创建 ARIMA 模型时获得直线

Question

我有一个值为 192.405 的风扇速度 (RPM) 数据集（训练+测试值）。我正在训练 ARIMA 模型，并尝试预测数据集的其余未来值并比较结果。

在测试数据中拟合模型时，我得到了直线预测

from sklearn.model_selection import train_test_split 
from statsmodels.tsa.arima_model import ARIMA

dfx = df[(df['Tarih']>'2020-07-23') & (df['Tarih']<'2020-10-23')]

X_train = dfx[:int(dfx.shape[0]*0.8)] #2 months
X_test = dfx[int(dfx.shape[0]*0.8):] # rest, 1 months

model = ARIMA(X_train.Value, order=(4,1,4))
model_fit = model.fit(disp=0)
print(model_fit.summary())

test = X_test
train = X_train

我现在能做什么？

Answer 1

您的 ARIMA 模型使用最后 4 个观测值来进行预测。第一个预测将基于最后四个已知的数据点。第二次预测将基于第一次预测和最后三个已知数据点。第三次预测将基于第一次和第二次预测以及最后两个已知数据点，依此类推。您的第五个预测将完全基于预测值。第一百次预测将根据预测值根据预测值根据预测值……每次预测都会与实际值略有偏差。这些预测误差会随着时间的推移而累积。当您尝试预测如此大的范围时，这通常会导致 ARIMA 简单地预测一条直线。

如果您的模型使用由

q

参数表示的 MA 组件，那么您只能预测未来的

q

步。这意味着您的模型只能预测接下来的四个数据点，之后预测将收敛为一条直线。

Answer 2

这种方法（训练模型多次）是否会使模型的计算成本昂贵？因为如果您进行 100 次预测，例如 100 次，则必须训练模型；如果一次进行 4 次预测，则必须训练 25 次