Windows下auto.arima并行报错：'mc.cores' >1不支持的问题求助

报错核心原因是forecast包的auto.arima默认用mclapply实现并行，而Windows系统不支持mclapply开启多核心（该函数仅兼容macOS/Linux）。旧电脑之前大概率未真正启用并行（或依赖更早版本的临时兼容逻辑），以下两种方案可实现Windows下的多核心运行：

方案1：使用fable包的跨平台并行版本 #

fable是forecast的下一代工具，原生支持跨平台并行，操作更简洁：

• 安装并加载依赖包：

  install.packages(c("fable", "future", "tsibble"))
  library(fable)
  library(future)
  library(tsibble)
  

• 设置并行会话，指定核心数：

  plan(multisession, workers = 14)
  

• 转换时间序列格式并运行模型：

  # 将单变量时间序列转为tsibble格式（fable要求的结构）
  ForecastTS_tsbl <- as_tsibble(ForecastTS)
  
  # 匹配原代码参数(d=1, D=1)，加入外部回归变量
  fit_arima_Sales <- ForecastTS_tsbl %>%
    model(ARIMA(value ~ pdq(d=1) + PDQ(D=1) + as.numeric(Forecastxreg),
                stepwise = FALSE, approximation = FALSE))
  

• 提取模型结果：执行fit_arima_Sales %>% pull(.model)即可获得和原auto.arima一致的模型对象。

方案2：用foreach+doParallel手动实现并行搜索 #

若不想切换工具包，可手动拆分ARIMA阶数搜索任务，用Windows支持的并行方式实现：

• 安装并加载依赖包：

  install.packages(c("foreach", "doParallel", "forecast"))
  library(foreach)
  library(doParallel)
  library(forecast)
  

• 注册并行集群：

  cl <- makeCluster(14)
  registerDoParallel(cl)
  

• 定义阶数搜索范围（匹配auto.arima默认规则）：

  p_range <- 0:3
  q_range <- 0:3
  P_range <- 0:2
  Q_range <- 0:2
  all_orders <- expand.grid(p = p_range, q = q_range, P = P_range, Q = Q_range)
  

• 并行训练并筛选最优模型：

  # 并行训练所有候选模型
  model_list <- foreach(i = 1:nrow(all_orders), .packages = "forecast") %dopar% {
    arima(ForecastTS,
          order = c(all_orders$p[i], 1, all_orders$q[i]),
          seasonal = list(order = c(all_orders$P[i], 1, all_orders$Q[i])),
          xreg = Forecastxreg)
  }
  
  # 按AIC值筛选最优模型
  aic_values <- sapply(model_list, AIC)
  fit_arima_Sales <- model_list[[which.min(aic_values)]]
  
  # 关闭并行集群
  stopCluster(cl)
  

注意：若原auto.arima的阶数搜索范围不同，需调整p_range、q_range等参数。

内容的提问来源于stack exchange，提问作者RyanM0913