第4章经典预测模型

4、经典预测模型：ARIMA模型原理、模型定阶（AIC/BIC准则）、Python实现与残差检验

说到时间序列预测，ARIMA模型绝对是个绕不开的老朋友。我记得刚入行那会儿，带我的老工程师就说：「先把ARIMA玩明白，再谈什么深度学习。」当时我不太服气，后来在好几个能源负荷预测项目里碰了壁，才明白这句话的分量。

说白了，ARIMA就是一套「让非平稳数据变平稳，然后找规律」的成熟方法论。咱们今天就把它的原理、定阶、代码实现和检验，一次性讲透。

4.1 ARIMA模型原理：三个字母的拆解

ARIMA的全称是 AutoRegressive Integrated Moving Average，也就是自回归积分滑动平均模型。它由三部分组成：

AR（自回归）：用过去时刻的值预测当前值。比如今天的负荷，跟昨天、前天的负荷有关系。
I（差分）：让非平稳序列变平稳。说白了就是「减一减」，把趋势去掉。
MA（滑动平均）：用过去的预测误差来修正当前预测。相当于给模型加了个「纠错机制」。

数学表达式长这样：

ARIMA(p,d,q) 模型：
(1 - φ₁B - φ₂B² - ... - φₚBᵖ)(1-B)ᵈ yₜ = (1 + θ₁B + θ₂B² + ... + θₙBⁿ) εₜ

其中 B 是滞后算子，p 是自回归阶数，d 是差分阶数，q 是滑动平均阶数。

核心理解：ARIMA(p,d,q) 的本质，就是先用 d 次差分把数据变平稳，然后用 p 阶自回归和 q 阶滑动平均来拟合这个平稳序列。

4.2 模型定阶：AIC与BIC准则

定阶是ARIMA里最让人头疼的一步。p、d、q到底取多少？我见过有人靠「玄学」猜，结果模型过拟合得一塌糊涂。

我个人习惯用两步走：

先定 d：通过单位根检验（ADF检验）确定差分阶数。一般 d=0 或 d=1 就够用，能源负荷数据很少需要 d>1。
再定 p 和 q：看自相关图（ACF）和偏自相关图（PACF），然后结合 AIC/BIC 准则选最优组合。

这里重点说说 AIC（赤池信息准则） 和 BIC（贝叶斯信息准则）：

准则	公式	特点
AIC	AIC = 2k - 2ln(L)	倾向于选择更复杂的模型，k为参数个数
BIC	BIC = k·ln(n) - 2ln(L)	对复杂模型惩罚更大，n为样本量

我在项目中遇到过这样的情况：AIC选出来的模型参数偏多，预测时抖动很大；BIC选出来的更简洁，泛化能力反而更好。所以我的建议是——优先看BIC，尤其是样本量大的时候。

避坑指南：我曾经在一个光伏预测项目里，AIC选出了 p=7,q=5 的模型，结果测试集上误差爆炸。后来用BIC选了 p=2,q=2，效果反而稳定。记住：复杂不等于好。

4.3 Python实现：从数据到模型

咱们直接上代码。假设你手头有一份某区域过去1000天的日负荷数据，存在 load_data.csv 里。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.stattools import adfuller
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
from statsmodels.tsa.arima.model import ARIMA
import warnings
warnings.filterwarnings('ignore')

# 1. 加载数据
df = pd.read_csv('load_data.csv', parse_dates=['date'], index_col='date')
y = df['load']

# 2. 平稳性检验（ADF检验）
def adf_test(series):
    result = adfuller(series.dropna())
    print(f'ADF Statistic: {result[0]:.4f}')
    print(f'p-value: {result[1]:.4f}')
    return result[1] < 0.05  # p<0.05 表示平稳

# 3. 差分处理
d = 0
y_diff = y.copy()
while not adf_test(y_diff):
    d += 1
    y_diff = y.diff(d).dropna()
    print(f'进行了 {d} 次差分')

print(f'最终确定 d = {d}')

# 4. 画ACF和PACF图，辅助定p和q
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 6))
plot_acf(y_diff, lags=30, ax=ax1)
plot_pacf(y_diff, lags=30, ax=ax2)
plt.show()

嗯，这里要注意：ACF图看拖尾还是截尾，PACF图也是。如果ACF在q阶后突然截尾，那q就取那个值；如果PACF在p阶后截尾，p就取那个值。但说实话，实际数据很少这么理想，所以咱们还是用AIC/BIC来定。

# 5. 网格搜索最优(p,q)
import itertools

best_aic = np.inf
best_bic = np.inf
best_order_aic = None
best_order_bic = None

# 设定搜索范围（根据ACF/PACF初步判断）
p_range = range(0, 5)
q_range = range(0, 5)

for p, q in itertools.product(p_range, q_range):
    try:
        model = ARIMA(y, order=(p, d, q))
        result = model.fit()
        aic = result.aic
        bic = result.bic
        
        if aic < best_aic:
            best_aic = aic
            best_order_aic = (p, d, q)
        
        if bic < best_bic:
            best_bic = bic
            best_order_bic = (p, d, q)
            
    except:
        continue

print(f'AIC最优阶数: {best_order_aic}, AIC={best_aic:.2f}')
print(f'BIC最优阶数: {best_order_bic}, BIC={best_bic:.2f}')

# 6. 训练最终模型（用BIC选出来的）
final_order = best_order_bic
model = ARIMA(y, order=final_order)
result = model.fit()
print(result.summary())

注意：网格搜索时一定要加 try-except，因为某些(p,q)组合会导致模型无法收敛。我刚开始写代码时没加这个，程序跑一半就崩了，排查了半天才发现是参数组合的问题。

4.4 残差检验：模型好不好，残差说了算

模型训练完了，别急着用。你想想看，如果残差里还有明显的模式，说明模型没把信息提取干净。

残差检验主要看三点：

残差是否白噪声：用Ljung-Box检验，p值大于0.05说明残差是白噪声。
残差是否正态分布：画Q-Q图或做Shapiro-Wilk检验。
残差是否独立：看残差的自相关图，不应该有明显的自相关。

# 7. 残差检验
residuals = result.resid

# 7.1 Ljung-Box检验
from statsmodels.stats.diagnostic import acorr_ljungbox
lb_test = acorr_ljungbox(residuals, lags=[10, 20, 30], return_df=True)
print('Ljung-Box检验结果：')
print(lb_test)

# 7.2 画残差图
fig, axes = plt.subplots(2, 2, figsize=(12, 8))

# 残差时序图
axes[0, 0].plot(residuals)
axes[0, 0].set_title('残差时序图')
axes[0, 0].axhline(y=0, color='r', linestyle='--')

# 残差直方图
axes[0, 1].hist(residuals, bins=30, edgecolor='black', alpha=0.7)
axes[0, 1].set_title('残差分布直方图')

# 残差ACF图
plot_acf(residuals, lags=30, ax=axes[1, 0])
axes[1, 0].set_title('残差自相关图')

# Q-Q图
from scipy import stats
stats.probplot(residuals, dist="norm", plot=axes[1, 1])
axes[1, 1].set_title('残差Q-Q图')

plt.tight_layout()
plt.show()

# 7.3 判断
lb_pvalue = lb_test['lb_pvalue'].values
if all(p > 0.05 for p in lb_pvalue):
    print('✅ 残差通过白噪声检验，模型拟合良好')
else:
    print('⚠️ 残差未通过白噪声检验，建议调整模型参数')

我在一个风电预测项目里遇到过这种情况：模型AIC很低，但残差检验死活过不了。后来发现是数据里有个异常点没处理，去掉之后模型就正常了。所以记住：残差检验是模型质量的最后一道防线，别偷懒。

总结一下ARIMA建模流程：

数据预处理 → 平稳性检验 → 差分定d
ACF/PACF辅助判断 → 网格搜索定p,q（优先BIC）
模型训练 → 残差检验（Ljung-Box + 可视化）
通过则用，不通过则调整参数或数据

好了，ARIMA模型的核心内容就这些。从原理到定阶，从代码实现到残差检验，每一步都有坑，但也都有解法。你把这个流程跑通一遍，以后遇到时间序列预测问题，心里就有底了。

📚 课程目录

4、经典预测模型：ARIMA模型原理、模型定阶（AIC/BIC准则）、Python实现与残差检验

4.1 ARIMA模型原理：三个字母的拆解

4.2 模型定阶：AIC与BIC准则

4.3 Python实现：从数据到模型

4.4 残差检验：模型好不好，残差说了算