Python基于ARIMA时间序列的销量预测模型+数据，预测准确率达90%以上，内含有测试记录和实际上线效果

# salesPredict ### ARIMA模型简介 ARIMA模型提供了基于时间序列理论，对数据进行平稳化处理（AR和MA过程）、模型定阶（自动差分过程）、参数估计，建立模型，并对模型进行检验。 在Python中statsmodel提供了全套的解决方案，包括窗口选择、自动定阶和平稳性检测等等算法。 ### 预测策略 每月分上中下旬三个点预测，每月预测三次当月销量。这么做的好处是，月上旬和中旬的实际销量可以作为先验知识，提高模型预测的准确率。 ### 环境 - Windows 10 - Python 3.6.5 ### 依赖包 ``` pip install -r requirements.txt ``` ### 程序执行 ``` python sales.py ``` ### 建模过程 <img src="./pictures/销量时序图.png?raw=true"/> <img src="./pictures/一阶差分后，序列自相关情况.png?raw=true"/> <img src="./pictures/一阶差分后，序列偏相关情况.png?raw=true"/> </br> ### 预测效果测试 <img src="./pictures/销量预测测试情况.png?raw=true"/> </br> ### 线上预测效果 截止到8月15日累计销量486，预测8月份销量为889 <img src="./pictures/上线效果.png?raw=true"/> </br>