[시계열 분석] Prophet을 이용한 기온 예측

Prophet에 대한 간단한 설명

• 페이스북이 만든 시계열 예측 라이브러리입니다.
• Prophet 모델의 주요 구성요소는 Trend, Seasonality, Holiday입니다. 
• y(t)=g(t)+s(t)+h(t)+ϵi (g=Trend, s=Seasonality, h=Holiday )

월 별로 평균기온을 분석하여 예측하기

---

1. Prophet library 및 데이터를 불러온다. 

from fbprophet import Prophet
import matplotlib.pyplot as plt      #시각화를 위한 설치
import matplotlib.font_manager as fm    # 한글 폰트
import matplotlib                   #시각화를 위한 설치
import os, warnings  
import pandas as pd                #구조 변경 및 결합을 하기 위한 설치
import seaborn as sns              #시각화를 위한 설치
import plotly.express as px        #시각화를 위한 설치

air= pd.read_csv('air.csv',encoding='ANSI')
air_2020= pd.read_csv('air_2020.csv',encoding='ANSI') #예측을 확인해볼 미래 데이터

 

2. 컬럼 변수들의 이름을 변경한다.

facebook prophet은 날짜를 ds로 해야하고 독립변수를 y라고 설정해야 합니다.

air.columns=['ds','y'] # train
air_2020.columns=['ds','y'] # 예측 결과 확인할 test세트

3. Prophet 모델 적용하기

파라미터에 대한 자세한 설명을 원하시다면 아래 블로그를 통해 확인해주세요 !

 

저는 파라미터를 아래와 같이 설정해주었습니다.

prophet = Prophet(seasonality_mode = 'addtive',		
                 yearly_seasonality=True, 
                 weekly_seasonality=True,
                 daily_seasonality=True,
                 changepoint_prior_scale=0.5)
prophet.fit(air)

 

4. 기간 설정 후 기온 예측하기

12개월 예측을 위해 periods=12로 설정, freq='m'은 month로 한달 주기라는 뜻입니다.

2010년부터 2019년도까지의 데이터를 가지고 2020년도의 월별 평균 기온을 예측해보았습니다.

당시 2020년도의 월별 

future_data = prophet.make_future_dataframe(periods = 12, freq = 'm')
forecast_data = prophet.predict(future_data)
a=forecast_data[['ds','yhat', 'yhat_lower', 'yhat_upper']].tail(12)

a.reset_index(drop=True)

pred_y=a.yhat.values[0:11]
test_y=air_2020.y.values[0:11]

pred_y #2020년도의 에측값

test_y #2020년도의 실제값

plt.plot(pred_y,color='red') #예측값
plt.plot(test_y,color='blue') #실제값

5. 예측 성능 평가하기

from sklearn.metrics import mean_squared_error,r2_score
from math import sqrt
rmse=sqrt(mean_squared_error(pred_y,test_y))
print(rmse)

38.3456467545