我正在研究分层时间序列预测 (python)，当我尝试使用我拥有的全部数据来拟合模型时，我可以看到对于某些特征，预测始终是不变的。我无法理解问题到底出在哪里以及解决此问题的可能方法是什么。任何形式的帮助都会很棒。
提前致谢！！
【问题讨论】：
标签： python time-series arima hierarchical pmdarima
我最近在没有季节性的分层时间序列预测中遇到了类似的问题，其中 90 个预测中的一个没有趋势，也没有随时间变化的水平，这是我的一组预测中的一个例外。
我已经实现了Statsmodels Exponential Smoothing，并且我大致按照 Jason Brownlee 在How to grid search exponential smoothing 上的超级有用指南调整了超参数。
无论网格搜索如何，这个特定的预测都保持不变。
我在网格搜索中添加了一些额外的参数，例如，在我的分层预测中确定训练 90 个模型的最佳数据点数量，并且我计算了当年的 Z 分数 -预测的同比百分比变化，跳过给定参考期可能小于 5% 的预测，即使它们的错误分数最低（这是必要的，因为 2020 年可能是我数据集中的异常值 - 时间会证明一切） .
再一次，它是平坦的。
好吧，也许我确实应该像 Rob Hyndman 在 his article 中建议的那样做，并在这个预测中添加随机噪声，以便用户对他们看到的内容更满意，即使这会增加错误。
【讨论】：