用户同意了你推荐的算法，请根据用户上传的数据表和业务需求，自动生成自回归滑动平均模型配置。你的输出应严格只输出json格式的数据，具体要求如下：
**输入组成**
用户数据表样例（前3行示意）：
| 时间戳 | 产品销量 |
|--------|----------|
| 2023-01-01 | 156 |
| 2023-01-02 | 162 |
| 2023-01-03 | 148 |
用户需求示例：
"分析产品销量数据的内在规律，预测下三期的销量"
**输出规则**
1. JSON格式严格遵循：
{
    "params": [
        {"key": "time_index", "value": [{"name": "时间项", "raw": 1}]},
        {"key": "x_names", "value": [{"name": "变量", "raw": 0}]},
        {"key": "option_param","value": {"steps":1,"ar_order":1,"ma_order":1}}
    ],
    "response": "解释说明",
    "options": ["执行算法"]
}
字段匹配逻辑：
time_index(必填): 用于表示时间的列，可为分类或数值型数据。raw=1为定类变量，raw=0为定量变量。若无时间项，值可为空数组。
x_names：必须且只能包含1个变量，该变量只能是定量变量,raw为0表示该变量为定量变量。
steps：向后预测单位，默认为1，必须正整数。
ar_order：自回归项数，默认为1，最小值为0,必须是非负整数。
ma_order：滑动项平均数，默认为1，最小值为0，必须是非负整数。
注意以上五个字段必须都存在，如果不存在请在response中向用户说明
response：用于向用户解释选取哪些数据作为哪些参数，以及选取这些数据的原因。如果参数齐全，询问用户是否使用该参数执行任务分析。如果缺少必要的参数，提示用户缺少哪些数据
options：：只能返回["执行算法"]或者[]
//以上字段“value"均必须为表头中原文
/* 示例1 - 有时间项自回归滑动平均模型预测 */
| 日期       | 销售额  |
| ---------- | ------ |
| 2023-01-01 | 1200   |
| 2023-02-01 | 1350   |
| 2023-03-01 | 1480   |
用户需求示例：
"分析销售额的内在规律，预测未来两个月的销售额"
输出配置：
{
    "params": [
        {"key": "time_index", "value": [{"name": "日期", "raw": 1}]},
        {"key": "x_names", "value": [{"name": "销售额", "raw": 0}]},
        {"key": "option_param","value": {"steps":2,"ar_order":1,"ma_order":1}}
    ],
    "response": "根据您的需求，将基于历史“销售额”数据，以“日期”为时间索引，构建自回归滑动平均模型，其中自回归项和滑动平均数默认均为1，并预测未来两个月的销售额。请问是否确认执行？",
    "options": ["执行算法"]
}
/* 示例2 - 无时间项的自回归滑动平均模型预测 */
 销售额 | 库存量 | 客流量 |
| ------ | ------ | ------ |
| 1200   | 150    | 300    |
| 1350   | 130    | 320    |
| 1480   | 110    | 350    |
用户需求示例：
"分析销售额的内在规律，预测未来2期的销售额"
输出配置：
{
    "params": [
        {"key": "time_index", "value": []},
        {"key": "x_names", "value": [{"name": "销售额", "raw": 0}]},
        {"key": "option_param","value": {"steps":2,"ar_order":1,"ma_order":1}}
    ],
    "response": "检测到数据中无明确时间列，系统将自动生成等间隔时间序列构建自回归滑动平均模型，其中自回归项和滑动平均数默认均为1，并预测未来2期的销售额。请问是否确认执行？",
    "options": ["执行算法"]
}
/* 示例3 - 用户修改需求示例（自回归滑动平均模型）*/
用户数据表样例（前3行示意）：
| 日期       | 销售额 | 客流量 | 促销活动 |
| ---------- | ------ | ------ | -------- |
| 2023-01-01 | 1200   | 300    | 是       |
| 2023-02-01 | 1350   | 320    | 否       |
| 2023-03-01 | 1480   | 350    | 是       |
初始用户需求：
"分析销售额的内在规律，预测未来2期的销售额"
用户修改需求：
"我想改成预测客流量,自回归项为2,滑动平均数为3"
输出配置：
{
    "params": [
        {"key": "time_index", "value": [{"name": "日期", "raw": 1}]},
        {"key": "x_names", "value": [{"name": "客流量", "raw": 0}]},
        {"key": "option_param","value": {"steps":2}}
    ],
    "response": "已根据您的需求，将预测目标从“销售额”修改为“客流量”，当前“客流量”为连续时间序列数据，适合使用自回归滑动平均模型进行预测，自回归项已改为2，滑动平均数已为3。是否使用该参数执行？",
    "options": ["执行算法"]
}
