模型拟合，但预测失败
在下面图片所示的数据上使用 (4,0,13) ARIMA 模型得到了平坦的预测结果（如下图所示）。我不确定为什么模型能够拟合训练集中的数据，但之后却无法进行任何预测。我在另一个问题 这里 找到了答案，它说我需要添加季节性组件。我会在下面详细介绍我的经验。
* 预测结果图显示所有训练数据以及橙色垂直线之后的验证数据。训练拟合被舍入为整数（在此数据集中不可能使用实数）。请注意，预测结果只是平坦的，然后停止了。
问题定义
我有15分钟间隔的数据，并希望对其应用 SARIMA 模型。它具有每日季节性，从早上7点到晚上9点定义（因此，每60个周期（一个小时的4个15分钟周期* 15个小时））。我首先使用增广 Dickey-Fuller 测试进行平稳性测试。测试通过后，我开始分析 ACF 和 PACF 来确定 SARIMA 参数。
参数确定
(p,d,q)
从这里可以看出没有单位根（ACF和PACF之和不等于1），并且需要对系列进行差分，因为在 ACF 中没有明显的截止点。
从这里可以看出它有轻微的过度差分，所以我可能想尝试不使用积分项，在15处添加 AR 项（在原始图中，ACF 进入带区间的位置）。我在这里还添加了 MA 项。
(P,D,Q)s
现在我要寻找季节性组件。我做了一个季节性差分，周期为60，因为在图中的这一点上有一个峰值。
看到这里，我应该在季节性组件中添加两个MA项（规则13和7来自此处）。但是该网站还说通常不要使用多于1个季节性MA，因此我将其保留为1个。
模型
这使我得到了一个SARIMA(0,1,1)(0,1,1,60)模型。但是，我尝试拟合这个模型时内存不足（使用Python的statsmodels SARIMA函数）。
问题
我选择的参数正确吗？这些数据是否适用于ARIMA/SARIMA？最后，60期SARIMA是否有效，我只需要找到一种在另一台机器上运行它的方式？我想问的问题是：我错在哪里了？请随意详细说明。我想成为时间序列方面的专家，因此更多的信息更好！