15分钟太阳辐射数据的SARIMA/SARIMAX季节性周期参数选择问题

一、修正季节性周期参数的错误认知 #

你之前计算的35064是全年每15分钟数据的总条数（实际为365天×24小时×4=35040），但这个周期远大于你的样本量18000条。SARIMA要求周期S必须小于等于样本量的一半左右，否则不仅差分操作无法执行，还会因构建超大滞后矩阵引发内存溢出——比如你遇到的无法为形状(35067, 35067, 1)、数据类型float64的数组分配9.16 GiB内存错误，本质就是周期参数过大导致的计算量爆炸。

针对太阳辐射的双季节性，需要拆解为两个可落地的周期：

• 昼夜周期：1天内每15分钟采集一次，周期S1=24×4=96（每天96个数据点），这个周期完全匹配你的数据密度，且样本量足够覆盖数十个周期
• 季节周期：你的数据覆盖3-10月（春-夏-秋），建议选择周周期S2=7×96=672，18000条数据可覆盖约26个周周期，足够捕捉季节趋势；若尝试月度周期（30×96=2880），仅能覆盖6个周期，数据支撑性不足

二、解决内存与差分问题的具体操作 #

1. 优先使用SARIMAX：SARIMAX的内存优化优于SARIMA，还支持加入外部协变量（如小时、月份、太阳高度角等），能直接解释太阳辐射的昼夜/季节变化，减少对复杂周期参数的依赖
2. 分步处理双季节性差分：
   • 先执行昼夜周期差分：diff(96)，消除昼夜波动的季节性
   • 再对差分后的数据执行周周期差分：diff(672)，实现数据平稳化
   • 差分后剩余样本量约17232条，完全满足建模需求
3. 手动限制模型阶数：不要依赖auto_arima盲目搜索全阶数，手动限定p,q≤2、P,Q≤1，大幅降低计算的内存占用
4. 降采样快速验证：若内存仍紧张，可先将数据降采样至小时级（每4个15分钟数据取平均），验证模型逻辑有效性后，再回到15分钟级建模

三、额外优化建议 #

• 可视化确认周期：按天、周、月分别绘制数据折线图，直观验证昼夜和季节的周期规律，避免参数误选
• 引入物理协变量：加入日出日落时间、太阳高度角、月份、小时等变量，这些变量能直接解释太阳辐射的变化逻辑，提升预测精度同时简化模型结构

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