时间序列预测：Prophet可用但ARIMA模型失效问题排查

我基于近两年的利用率数据搭建了可用的Prophet时间序列预测模型，为开展对比验证，尝试在同一数据上搭建ARIMA模型，但无论如何尝试均无法正常运行。

Prophet模型实现及可视化结果 #

m = Prophet(
    interval_width=0.95,
    growth="linear",
    seasonality_mode="multiplicative",
    yearly_seasonality=True,
    daily_seasonality=False,
    weekly_seasonality=False,
)
m.fit(train)
future = m.make_future_dataframe(periods=365)

ARIMA模型尝试代码及输出结果 #

import pandas as pd
import numpy as np
import pmdarima as pm
import matplotlib.pyplot as plt
from datetime import datetime, timedelta

# 从CSV加载数据
# 替换'your_data.csv'为实际文件路径
data = pd.read_csv('util_since_2022.csv')

# 将'date'列转为日期格式
data['date'] = pd.to_datetime(data['date'])

# 设置'date'为DataFrame索引
data.set_index('date', inplace=True)


# 划分训练集和测试集
train_data = data['2022-01-01':'2023-12-31']  # 2022-2023年数据作为训练集
test_data = pd.DataFrame(columns=['Utilization'])  # 2024年测试集为空DataFrame

# 拟合ARIMA模型到训练数据
arima_model = pm.auto_arima(train_data, seasonal=True, m=1)  # m=1表示年度季节性

# 生成2024年预测
forecast_periods = 365  # 2024年天数
forecast, conf_int = arima_model.predict(n_periods=forecast_periods, return_conf_int=True)

# 创建存储预测结果的DataFrame
forecast_dates = pd.date_range(start="2024-01-01", periods=forecast_periods, freq="D")
forecast_df = pd.DataFrame({"Date": forecast_dates, "Forecast": forecast})

# 绘制历史数据和2024年预测
plt.figure(figsize=(12, 6))
plt.plot(train_data.index, train_data['util'], label='历史数据(2022-2023)', color='blue')
plt.plot(forecast_df['Date'], forecast_df['Forecast'], label='2024年预测', color='red')

# 添加标签和图例
plt.xlabel('日期')
plt.ylabel('利用率')
plt.title('利用率预测(ARIMA)')
plt.legend()

# 绘制残差图
residuals = train_data['util'] - arima_model.predict_in_sample()
plt.figure(figsize=(12, 6))
plt.plot(train_data.index, residuals, label='残差', color='green')
plt.xlabel('日期')
plt.ylabel('残差值')
plt.title('ARIMA模型残差')
plt.legend()


# 显示图表
plt.grid(True)
plt.tight_layout()
plt.show()

数据样本 #

恳请各位帮忙排查ARIMA模型无法正常运行的原因，感谢！

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