使用SARIMAX基于分钟级历史数据做年度预测时脚本崩溃求助

针对你用SARIMAX处理10分钟间隔年数据时脚本崩溃/Shell重启的问题，核心原因大概率是内存耗尽或模型参数设置不合理导致的数值异常，以下是具体排查和修复步骤：

1. 修正季节性周期参数 #

你的数据是10分钟间隔，当前设置的季节性周期12完全不符合数据规律：

• 日周期应为 24*6=144（每天144个10分钟数据点）
• 周周期可设为 144*7=1008
  年周期（52560）过大，SARIMAX无法有效拟合，建议先尝试日季节性周期：

seasonal_pdq = [(x[0], x[1], x[2], 144) for x in list(itertools.product(p, d, q))]

错误的周期会引发严重数值问题，甚至触发内存溢出。

2. 减少内存占用与计算量 #

(1) 缩小参数搜索范围 #

当前p/d/q全取0-1，8个变量每个要跑64次拟合，对5万+样本压力极大。可先固定d=1（多数时间序列需一阶差分平稳），减少组合数：

p = q = range(0,2)
d = [1]
pdq = list(itertools.product(p, d, q))
seasonal_pdq = [(x[0], x[1], x[2], 144) for x in list(itertools.product(p, d, q))]

这样总拟合次数从64降到16，大幅降低计算负载。

(2) 避免重复拟合最优模型 #

找到最优参数后无需重新初始化模型，直接保留之前的拟合结果：

# 修改参数搜索部分，保存最优结果
best_results = None
for param in pdq:
    for param_seasonal in seasonal_pdq:
        try:
            temp_model = SARIMAX(endog,
                                 order = param,
                                 seasonal_order = param_seasonal,
                                 enforce_stationarity=False,
                                 enforce_invertibility=False)
            results = temp_model.fit()
            if results.aic < best_aic:
                best_aic = results.aic
                best_pdq = param
                best_seasonal_pdq = param_seasonal
                best_results = results  # 保存最优拟合结果
        except Exception as e:
            print(f"拟合失败 {param}x{param_seasonal}: {e}")
            continue

# 后续直接用保存的结果做预测，无需重新拟合
pred_uc = best_results.get_forecast(steps=52416)

(3) 手动释放内存 #

在循环中添加内存回收逻辑，避免资源累积：

import gc
# 每次拟合完成后执行
del temp_model, results
gc.collect()

3. 修复异常捕获逻辑 #

原代码except: continue会掩盖所有错误，无法定位问题。修改为捕获并打印具体异常：

except Exception as e:
    print(f"SARIMAX{param}x{param_seasonal} 拟合错误: {str(e)}")
    continue

这样能直接看到内存不足、数值不稳定等具体报错信息。

4. 验证数据与样本量 #

• 检查数据缺失/异常值：执行df.isnull().sum()，缺失值会导致拟合失败；
• 先用子集测试：取前10000条数据跑代码，验证是数据量问题还是代码逻辑问题。

5. 调整预测步长 #

先尝试小步长预测（比如1440，即10天），验证模型能否正常输出，排除大跨度预测引发的内存问题。

内容的提问来源于stack exchange，提问作者Jahidul Hasan Razib