# setting time as index
buoy.set_index('time', inplace=True)
# resampling to hourly data
buoy = buoy.resample('H').mean()
# simplifying column names
buoy.columns = [
'PeakP', 'PeakD', 'Upcross',
'SWH', 'SeaTemp', 'Hmax', 'THmax',
'MCurDir', 'MCurSpd'
]
这个数据集研究的目标是预测SWH(显著波高)变量的未来值。这个变量常
被用来量化海浪的高度。这个问题的一个用例是估计海浪发电的大小，因
为这种能源是一种越来越受欢迎的替代不可再生能源。
自回归模型
时间序列是多元的，所以可以使用ARDL(Auto-regressive distributed
lags)方法来解决这个任务。我们在之前也介绍过则个方法。下面是这个方
法的实现：
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_absolute_percentage_error as
mape
from sklearn.multioutput import MultiOutputRegressor
from lightgbm import LGBMRegressor
# https://github.com/vcerqueira/blog/blob/main/src/tde.py
from src.tde import time_delay_embedding
target_var = 'SWH'
