Statsmodels ARIMA气体时序预测精度提升方法咨询

现有数据集结构 #

现有实现代码 #

#Initialising ARIMA model
from statsmodels.tsa.arima_model import ARIMA

arima_model = ARIMA(scaled_df.Value, order=(2,0,1)).fit()
arima_model.summary()

start = len(df)
end = len(df) + len(test) -1

test['Date'] = pd.to_datetime(test['Date'],format='%d/%m/%Y')
test.set_index('Date', inplace=True)

pred = arima_model.predict(start=start, end=end,typ='levels')

当前问题表现 #

预测结果输出为直线，无波动，精度达不到预期：

核心问题原因 #

• 未按Gas字段拆分不同气体的时序，将CO、HC等监测基线、变化规律完全不同的序列混为单个序列训练，模型无法学到有效时序规律
• 手动固定order=(2,0,1)参数未做寻优，参数和数据的自相关特征不匹配时，ARIMA长期预测会快速收敛到序列均值，呈现直线效果
• 预测索引计算逻辑错误：建模使用scaled_df序列，预测索引用原始df的长度计算，两个数据集长度不一致时会出现索引错位，输出无效预测
• 未利用数据集中已有的温度T、相对湿度RH特征，气体监测值和温湿度强相关，纯单变量ARIMA遗漏关键解释变量，预测精度上限低
• 调用的statsmodels.tsa.arima_model.ARIMA是已弃用的旧版接口，存在版本兼容导致的预测异常问题

分步优化方案 #

• 数据拆分对齐
  • 按Gas字段分组，每类气体单独构建时序、单独训练模型，不要混合不同气体的监测值
  • 对单类气体的数据按时间升序排序，设置时间索引，按固定比例拆分训练/测试集，保证索引连续无断层
• 参数自动寻优
  • 已通过ADF检验确认序列平稳，差分阶数d固定为0，对p、q参数在0~3范围内做网格搜索，以AIC值最小为标准选最优参数组合，不要手动固定阶数
  • 若监测值存在固定周期波动，换用SARIMA模型添加季节项参数，普通ARIMA无法捕捉周期规律时也会输出平线预测
• 引入外生变量提效
  • 换用支持外生变量的ARIMA/SARIMAX接口，将T、RH作为外生变量传入模型，预测时同步传入测试集对应的温湿度数据，可大幅提升预测精度
• 修正预测逻辑
  • 预测起止索引严格和训练时输入的序列长度对齐，不要跨DataFrame计算长度
  • 替换旧版弃用的ARIMA接口为新版statsmodels.tsa.arima.model.ARIMA，避免兼容问题

修正后参考代码 #

import pandas as pd
from statsmodels.tsa.arima.model import ARIMA
from itertools import product
import warnings
warnings.filterwarnings("ignore")

# 统一解析时间格式
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')
gas_pred_result = {}

# 按气体类型循环分组建模
for gas_name, sub_df in df.groupby('Gas'):
    # 按时间排序设置索引
    sub_df = sub_df.sort_values('Date').set_index('Date')
    # 8:2拆分训练测试集
    train_len = int(len(sub_df) * 0.8)
    train_set = sub_df.iloc[:train_len]
    test_set = sub_df.iloc[train_len:]

    # 网格搜索最优(p,d,q)参数
    min_aic = float('inf')
    optimal_order = (0,0,0)
    for p, q in product(range(0, 4), range(0, 4)):
        try:
            temp_model = ARIMA(
                endog=train_set['Value'],
                exog=train_set[['T', 'RH']],
                order=(p, 0, q)
            ).fit()
            if temp_model.aic < min_aic:
                min_aic = temp_model.aic
                optimal_order = (p, 0, q)
        except:
            continue

    # 最优参数训练最终模型
    final_model = ARIMA(
        endog=train_set['Value'],
        exog=train_set[['T', 'RH']],
        order=optimal_order
    ).fit()

    # 生成预测结果
    pred_res = final_model.predict(
        start=train_len,
        end=len(sub_df)-1,
        exog=test_set[['T', 'RH']]
    )

    gas_pred_result[gas_name] = {
        "model": final_model,
        "best_order": optimal_order,
        "true_value": test_set['Value'],
        "pred_value": pred_res
    }

补充说明：如果完成以上调整后预测仍然无法捕捉波动，说明气体监测值的非线性特征较强，ARIMA的线性假设适配性差，可以替换为Prophet、时序集成树类模型做进一步优化。

内容的提问来源于stack exchange，提问作者Dylariant