R语言forecast预测公路车流量结果远超出实际数据的问题求助

大家好，我现在在做公路车流量的预测工作，遇到了一个很棘手的问题：用同样的代码给部分路段做预测时结果正常，但针对某一路段，预测结果居然到了万亿级别，而实际最后一次观测的车流量（Leves）只有2,674,496，完全不符合预期。

我的建模流程简述 #

• 为了适配模型需求，我对数据做了差分处理（diff(x)）
• 使用dLagM包的ardlDlm函数建模，阶数是老板之前用EViews估算好的；模型核心是解释PIB对Leves的影响，其他变量都是虚拟变量，所以移除了它们的滞后项
• 模型的拟合结果看起来合理，符合预期，但一到预测环节就出现了异常的万亿级结果

数据样本（前12行） #

我的代码 #

library(openxlsx)
library(egcm)
library(aTSA)
library(nortest)
library(data.table)
library(dynamac)
library(AER)
library(dynlm)
library(readxl)
library(stargazer)
library(scales)
library(urca)
library(dLagM)
library(dplyr)
library(ggfortify)
library(data.table)
library(nardl)
library(zoo)
library(vars)
library(neuralnet)
library(DMwR2)
library(TTR)
library(quantmod)
library(PerformanceAnalytics)
library(ggplot2)
library(writexl)
library(tseries)
library(ecm)
library(knitr)
library(plotly)
library(tictoc)
library(ARDL)

#DADOS ----
Renovias <- read_excel("Ecopistas/ABCR/data.xlsx", sheet = "Renovias", range = "A1:t298")
data <- Renovias[c(1:(nrow(Renovias)-48)),-1]

d_Leves = diff(data$Leves)
d_Pesados = diff(data$Pesados)
d_PIB = diff(data$PIB)

d_data = data[-1,]
d_data$Leves = d_Leves
d_data$Pesados = d_Pesados
d_data$PIB = d_PIB

#LEVES ------
newdata_leves <- Renovias[c((nrow(data)):nrow(Renovias)), c(4:19)]
PIBdn = diff(newdata_leves$PIB)
newdata_leves = newdata_leves[-1,]
newdata_leves$PIB = PIBdn

transposed_newdata_leves <- t(newdata_leves)

model_leves = dLagM::ardlDlm(formula = Leves ~ PIB +
                                JAN + FEV + MAR + ABR + MAI + JUN +
                                JUL + AGO + SET + OUT + NOV + Crise + Greve + Q1 + Q2,
                              data = d_data, p = 1, q = 2,
                              remove = list(p = list(JAN=c(1:1),FEV=c(1:1),MAR=c(1:1), ABR=c(1:1),
                                                     MAI=c(1:1), JUN=c(1:1),JUL=c(1:1), AGO=c(1:1),
                                                     SET=c(1:1), OUT=c(1:1),NOV=c(1:1), Crise = c(1:1),
                                                     Greve=c(1:1), Q1 = c(1:1), Q2 = c(1:1)
                              )))

summary(model_leves)
MAPE(model_leves)

model_leves[["model"]][["coefficients"]][is.na(model_leves[["model"]][["coefficients"]])] <- 0

prediction_leves <- forecast(model = model_leves,
                             x = transposed_newdata_leves,
                             h = nrow(newdata_leves), interval = TRUE, level = 0.95, nSim = 1000)

求助思路 #

我目前完全找不到问题所在，有没有大佬能给点排查方向？比如：

• 是不是差分后的预测结果没有还原回原始尺度？毕竟建模用的是diff(Leves)，预测出来的是不是增量，需要累加回最后一个原始观测值？
• 新数据的处理有没有问题？比如newdata_leves的索引是否正确，差分后的PIB和建模数据的时序衔接是否连续？
• 转置新数据传给forecast函数是不是格式错了？ardlDlm的预测函数对输入x的格式有没有特定要求？
• 虚拟变量在新数据中的取值是否正确？有没有可能某个变量被错误编码导致预测异常？
• 把模型的NA系数设为0的操作是否合理？会不会引入偏差影响预测？

备注：内容来源于stack exchange，提问作者Beatriz Roumanos