Question

1）打开Python并引入Pandas库，使用read_excel（）函数将数据文件读入Python工作空间中，选择要进行时序预测的磁盘数据，截取最后5条数据为验证数据，其他数据为模型输入数据。

2）确定ARIMA模型的D参数，即差分阶数。使用adfuller（）函数确定输入数据是否平稳化，如果不平稳，则进行使用diff（）函数进行差分，记录差分的阶数；否则D值为0，并直接进行下一步。

3）确定ARIMA模型的p、q参数。p、q参数的取值范围为[0，N/10]，选择不同的p、q值，计算输入数据的BIC值。当BIC值取最小值时，p、q值即是所求。

4）使用ARIMA函数以及前面得到的p、D、q构建ARIMA模型，使用summary（）函数确定模型的其他参数，使用acorr_ljungbox（）函数计算模型残差白噪声。检验其是否通过白噪声检验，如果不通过则返回步骤3）去掉上一步的p、q组合重新进行计算；如果通过则进行下一步。

5）使用forecast（）函数进行时序预测，并把实际值和预测值进行对比，计算其误差。