Python中关于间歇性需求的Croston方法

Question

我正在与克罗斯顿的方法作斗争，我正在间歇性需求数据集上应用该方法。 我使用的库如下：https://pypi.org/project/croston//

我使用的数据集由6年的间歇性需求数据组成：Erratic and intermittent demand datasets。间歇性需求模式显示为红色。从图中可以看出，无需切换的间隔是需求周期。根据Syntetos、Boylan和Croston（2005），区间的平均长度为15，平均需求长度为3，因此ADI为5，这使其成为间歇性需求序列。我使用的代码如下：

Crost1 = croston.fit_croston(intermittent_time_series['D'],1,'original')
Croston = pd.DataFrame(np.concatenate([Crost1['croston_fittedvalues'],Crost1['croston_forecast']]))
Croston.index = pd.to_datetime(Croston.index, unit='D') 
intermittent_time_series['Croston'] = Croston

我得到的输出看起来很奇怪。它正确地拟合了前几个（零需求）观测值，但在这些观测值之后，它给出的值都在1左右。我不知道我做错了什么。当然，我希望更好地估计间歇性需求

为了提高拟合度，我研究了论坛的解决方案，但没有找到任何解决方案。我还尝试切换方法（'original'/'sba'/'sbj'/'tsb'），并查看了源代码。不幸的是，我没有想出一个解决办法

提前感谢,， 达安

编辑

我不知道如何通过interwebz共享数据帧，但我可以共享用于创建需求的代码：

def intermittent_demand(demand_period,interval,stop):  
Dt = []
while stop < years*days:
    temp = round(interval + np.random.normal(0,5,size=None))
    if stop + temp > years*days:
        Dt = Dt + (years*days - stop) * [0]
        stop = years*days
    else:
        Dt = Dt + temp * [0]
        stop = stop + temp
        
    temp = round(demand_period + np.random.normal(0,1.2,size=None))
    if stop + temp > years*days:
        Dt = Dt + (years*days - stop) * [0] 
        stop = years*days
    else: 
        Dt = Dt + temp * [1]
        stop = stop + temp

for day in range(years*days):
    if Dt[day] == 1:
        Dt[day] = math.ceil(a_intermittent + error_inter[day]) 

return Dt
for day in range (days*years):
    intermittent_time_series = intermittent_demand(demand_period,interval,stop)

其中，天=365，年=6，需求周期=3，间隔=15，停止=0，间歇=4，错误=np.random.normal（平均值，2dev，天years）