BigQuery ARIMA Plus预测值过高问题及优化方案咨询

1. 启用自动参数与数据清洗逻辑 #

ARIMA Plus的自动调参和预处理是提升预测稳定性的核心，修改训练模型的OPTIONS配置：

• 开启auto_arima = TRUE：让模型自动选择最优p/d/q参数，避免手动设置的偏差；
• 开启clean_spikes_and_dips = TRUE和adjust_step_changes = TRUE：过滤潜在异常点，防止模型误判平稳序列的趋势；
• 明确设置data_frequency = '15_MIN'：替代自动检测，确保模型识别正确的时间间隔，避免因数据缺失导致频率误判。

2. 调整训练数据范围 #

• 对恒定值或窄波动设备，至少保留28天（672个15分钟点）的训练数据：1天数据量不足以让模型学习到平稳性，会直接导致预测发散；
• 取消max_time_series_length的限制：足够的历史数据能帮助模型捕捉长期平稳性，除非旧数据存在明显异常才需要截断；
• 修正时间过滤逻辑：用DATE_SUB(_CUTOFF_DATE, INTERVAL 28 DAY)替代DATE_ADD(CURRENT_DATE(), INTERVAL _PERIOD DAY)，确保训练窗口是截止日期前的固定周期，避免时间范围错误。

3. 优化数据与序列分组 #

• 移除不必要的聚合：将SUM(value)改为直接取value，因为实际是单行数据，多余聚合可能引入数据风险；
• 保持设备ID为唯一时间序列ID：不要拆分15分钟时段为独立序列，每个设备对应一条完整时序，让模型学习该设备的自身规律（包括潜在季节性）。

修改后的训练代码示例：

CREATE OR REPLACE MODEL forecasting.model
  OPTIONS(
    MODEL_TYPE='ARIMA_PLUS'
    ,TIME_SERIES_TIMESTAMP_COL='timestamp'
    ,TIME_SERIES_DATA_COL='value'
    ,TIME_SERIES_ID_COL='id'
    ,auto_arima = TRUE
    ,clean_spikes_and_dips = TRUE
    ,adjust_step_changes = TRUE
    ,data_frequency = '15_MIN'
  ) AS
  SELECT 
    timestamp
    ,id
    ,value
  FROM `forecasting.summary`
  WHERE DATE(TIMESTAMP_TRUNC(timestamp, DAY)) < _CUTOFF_DATE
    AND DATE(TIMESTAMP_TRUNC(timestamp, DAY)) >= DATE_SUB(_CUTOFF_DATE, INTERVAL 28 DAY)
  GROUP BY 1,2;

4. 调整预测配置 #

如果预测范围过宽，可适当降低confidence_level（比如从0.95调到0.9），但核心优化仍需依赖训练数据和模型参数；horizon设为7天（672个点）合理，但要确保训练数据长度至少是horizon的3-4倍。

1. 规则基准模型 #

• 恒定值/窄波动设备：直接用历史均值/中位数作为预测值，置信区间设为历史波动范围的1.2倍，简单高效且稳定；
• 季节性设备：用STL时间序列分解提取趋势、季节性和残差，分别预测后合并，能更好捕捉气候相关的每日/年度周期。

2. 监督式机器学习模型（如Boosted Tree） #

将时序问题转换为监督学习，提取关键特征后用树模型训练：

• 时间特征：小时、星期几、月份、是否节假日；
• 滞后特征：前1/2/4个15分钟的数值、前一天同一时段的数值；
• 统计特征：最近1小时/6小时的均值、方差；
• 用BigQuery的BOOSTED_TREE_REGRESSOR模型，能更好处理非线性季节性，批量训练数千台设备时性能更优。

3. Prophet模型 #

Prophet对季节性和异常值的处理更友好，可自动检测趋势变化，适合有每日/年度周期的设备数据，预测平稳序列时稳定性远高于ARIMA。

• 采用滚动验证：取前28天训练，预测后7天，对比实际值与预测值计算MAE/MAPE，筛选最优参数；
• 设备分类建模：将恒定值、窄波动、季节性设备分组，不同组用不同模型策略，比统一建模效果更好。

内容的提问来源于stack exchange，提问作者Vlad