基于R语言ARIMA模型的年度数值预测技术问询

我来帮你搞定这个预测任务，先理清楚你的需求和现有代码里的小问题，再给出完整可运行的方案：

一、历史样本数据 #

你提供的钱德勒市2012-2016年的数值如下：

二、你尝试的代码片段 #

你写的代码还没完成，先贴出你提供的部分：

Age_Incomedata_1 = ts(city_aggregated[,3],start = c(2012),end = c(2016),frequency = 1000)
plot(Age_Incomedata_1, xlab='Years', ylab = 'Values')
library(forecast)
ARIMAfit = auto.arima(log10(A...

三、完整可运行的解决方案代码 #

这里修正了代码里的错误，补全了预测步骤：

# 1. 构造历史数据框（如果你的city_aggregated已经存在，直接跳过这步）
city_aggregated <- data.frame(
  City_Name = rep("Chandler City", 5),
  Year = 2012:2016,
  Values = c(19939, 19251, 19672, 19824, 19326)
)

# 2. 创建时间序列对象：年度数据frequency必须设为1（你之前的1000是错误的）
Age_Incomedata_1 <- ts(city_aggregated[,3], start = 2012, end = 2016, frequency = 1)

# 3. 可视化原始时间序列，观察数据趋势
plot(Age_Incomedata_1, xlab='Years', ylab = 'Values', main = "Chandler City 2012-2016 Values")

# 4. 加载forecast包并自动选择最优ARIMA模型
library(forecast)
# 沿用你用对数转换的思路，减少数据波动
ARIMAfit <- auto.arima(log10(Age_Incomedata_1))
# 可以查看模型的详细参数信息
summary(ARIMAfit)

# 5. 预测2017-2022年共6个年份的数值
forecast_result <- forecast(ARIMAfit, h = 6)
# 将对数转换的预测结果还原回原始数值尺度
forecast_values <- 10^forecast_result$mean

# 6. 可视化预测结果，同时展示置信区间
plot(forecast_result, xlab='Years', ylab = 'Values', main = "Chandler City Values Forecast 2017-2022")
# 打印格式化的预测结果表格
cat("2017-2022年预测值（四舍五入后）：\n")
print(data.frame(Year = 2017:2022, Predicted_Values = round(forecast_values)))

四、关键细节解释 #

• 时间序列参数修正：你之前把frequency设为1000是错误的，年度数据的frequency必须是1，否则时间序列的时间轴会完全混乱，无法正确识别年份。
• 对数转换的作用：用log10转换数据是为了降低序列的波动幅度，让数据更平稳，帮助ARIMA模型更好地捕捉趋势。预测后一定要用10^还原，才能得到有实际意义的数值。
• 预测长度设置：2017到2022是6个年份，所以forecast函数的h参数要设为6，确保覆盖所有需要预测的年份。

内容的提问来源于stack exchange，提问作者venkat