如何将ARIMA模型应用于小时级时间序列实现交通流量预测？

针对小时级交通流量时间序列的ARIMA应用，核心难点在于处理时间序列连续性、季节性周期以及平稳性校验，以下是分步解决流程：

一、数据预处理（解决小时数据常见报错的关键） #

小时数据的格式、连续性问题是多数报错的根源，先完成以下操作：

• 解析时间列并设置为索引
  确保Datetime被正确识别为时间类型，且作为时间序列的索引：

  import pandas as pd
  # 读取数据（替换为你的文件路径）
  df = pd.read_csv("traffic_data.csv")
  # 按日/月/年 小时:分钟格式解析时间
  df['Datetime'] = pd.to_datetime(df['Datetime'], format='%d/%m/%y %H:%M')
  # 设置时间索引
  df.set_index('Datetime', inplace=True)
  

• 补全连续时间序列
  ARIMA要求序列无时间断点，需按小时重采样并填充缺失值：

  # 按小时频率重采样，确保时间连续
  df = df.resample('H').asfreq()
  # 用线性插值填充缺失的流量值（可根据业务调整为均值/中位数填充）
  df['Traffic'] = df['Traffic'].interpolate(method='linear')
  

二、平稳性校验与差分处理 #

ARIMA仅适用于平稳序列，小时数据通常存在24小时日周期，需结合普通差分和季节性差分：

• 用ADF检验判断平稳性：

  from statsmodels.tsa.stattools import adfuller
  adf_result = adfuller(df['Traffic'])
  print(f"ADF统计量: {adf_result[0]}, p值: {adf_result[1]}")
  # p值>0.05则序列不平稳，需要差分
  

• 差分操作：

  # 1阶普通差分（消除趋势）
  df['diff_1'] = df['Traffic'].diff().dropna()
  # 24阶季节性差分（消除日周期）
  df['diff_seasonal'] = df['Traffic'].diff(24).dropna()
  

  对差分后的序列再次做ADF检验，直到p值<0.05确认平稳。

三、参数确定（优先用SARIMA而非普通ARIMA） #

小时数据存在明显的24小时季节性，建议使用SARIMA（季节性ARIMA），参数包含(p,d,q)（非季节性部分）和(P,D,Q,s)（季节性部分，s=24）：

• 自动选参（高效且准确）：

  from pmdarima import auto_arima
  # m=24对应小时数据的日周期
  auto_model = auto_arima(df['Traffic'], seasonal=True, m=24, trace=True, suppress_warnings=True)
  print(auto_model.summary())
  

  运行后会输出最优参数组合，比如常见的(1,1,1)(1,1,1,24)。

四、模型训练与预测 #

• 拆分训练集与测试集：

  train_size = int(len(df) * 0.8)
  train_df, test_df = df.iloc[:train_size], df.iloc[train_size:]
  

• 训练SARIMA模型：

  from statsmodels.tsa.statespace.sarimax import SARIMAX
  # 替换为auto_arima给出的参数
  model = SARIMAX(train_df['Traffic'], order=(1,1,1), seasonal_order=(1,1,1,24))
  model_fit = model.fit(disp=False)
  

• 预测与验证：

  # 预测测试集时段的流量
  predictions = model_fit.predict(start=len(train_df), end=len(train_df)+len(test_df)-1, typ='levels')
  # 可视化对比
  import matplotlib.pyplot as plt
  plt.figure(figsize=(12,6))
  plt.plot(test_df.index, test_df['Traffic'], label='实际流量')
  plt.plot(test_df.index, predictions, label='预测流量', color='red')
  plt.xlabel('时间')
  plt.ylabel('交通流量')
  plt.legend()
  plt.show()
  

五、常见报错排查 #

• 时间索引错误：检查时间列是否有重复、格式是否正确，重采样后确认无时间断点
• 未考虑季节性：普通ARIMA无法捕捉小时数据的24小时周期，必须用SARIMA
• 数据量不足：至少需要1周（168小时）以上的数据，否则模型无法学习到周期规律
• 差分不当：差分阶数过高会导致序列信息丢失，过低则无法达到平稳，需结合ADF检验调整

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