使用DeterministicProcess预测中国人口时遇period≥2错误求助

我尝试用DeterministicProcess工具基于中国人口数据集做预测，数据集包含日期、人口数量、人口增长量等字段，样例数据如下：

执行Python代码时触发ValueError错误，提示period must be >= 2，相关代码及错误信息如下：

错误信息 #

dp = DeterministicProcess(
     ^^^^^^^^^^^^^^^^^^^^^
raise ValueError("period must be >= 2")
ValueError: period must be >= 2

代码 #

import pandas as pd
from statsmodels.tsa.deterministic import CalendarFourier, DeterministicProcess
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt

file_path = ' China population.csv'
data = pd.read_csv(file_path, header=0)  

data['Date'] = pd.to_datetime(data['Date'])
data.set_index('Date', inplace=True)
print(data.columns)

fourier = CalendarFourier(freq='A', order=10)  # 年度傅里叶组件

dp = DeterministicProcess(
    index=data.index,
    constant=True,
    order=1,
    seasonal=True,
    additional_terms=[fourier],
    drop=True,
)

model = LinearRegression()
X = dp.in_sample()  # 获取自变量
y = data['Population']  # 因变量（人口）

model.fit(X, y)

请问该错误代表什么含义？

错误含义 #

period must be >= 2 意思是：DeterministicProcess生成季节性特征时，要求时间序列的周期长度至少为2，但当前你的数据或参数配置不满足这个条件。

原因分析 #

1. 数据量不足：你的样例只有3条年度数据，当设置seasonal=True时，工具会自动推断时间序列的周期，但年度数据的周期是1年，现有数据无法提供≥2个周期的模式参考，导致推断失败。
2. 参数冲突：你同时开启了seasonal=True和年度傅里叶组件CalendarFourier(freq='A')，且未手动指定period参数，自动推断的周期不符合≥2的要求。

解决办法 #

• 关闭不必要的季节性参数：年度数据本身不存在更细粒度的季节波动，直接关闭seasonal=True即可：

  dp = DeterministicProcess(
      index=data.index,
      constant=True,
      order=1,
      seasonal=False,  # 年度数据无需季节性特征
      additional_terms=[fourier],
      drop=True,
  )
  

• 手动指定period参数：如果确实需要保留季节性特征，需手动设置period（注意年度数据的period设为1不满足要求，若要使用季节性，建议改用月度/季度数据并设置对应period，比如月度数据period=12）。
• 补充数据量：收集至少2个完整周期的时间序列数据（比如至少2年的月度数据），让工具能识别出有效的周期性模式。

内容的提问来源于stack exchange，提问作者Martín Ávila