重新调整ARIMA模型的预测

Question

我是时间序列预测的新手。
我有一个非平稳时间序列，通过先取对数然后从指数加权均值中减去，将其转换为平稳时间序列。 。然后，我将该系列拟合为ARIMA模型并进行了预测（连续12个月）。现在，我必须将比例转换回原始比例。换句话说，我如何基本上重新调整预测值？

我尝试重新调整一个月的预测，然后再次计算最近6个月的ewma，并将此值添加到下个月的预测中，依此类推，我认为这不是非常有效。将系列转换为固定数据的代码：

airline_data_log = np.log(airline_data)
expweighted_avg = airline_data_log.ewm(halflife = 0.5).mean()
stationary_data = airline_data_log - expweighted_avg
model_ARIMA = sm.tsa.arima_model.ARIMA(stationary_data,order = (2,0,2))
p = result.forecast(steps = 12)
output = p[0]


ewma = expweighted_avg

现在，我想重新缩放输出。我尝试过这样的事情：

for i in range(0,12):
     forecasted_values.iloc[i][0] = forecasted_values.iloc[i][0] + 
     ewma.iloc[-1][0]
     airline_data_log = airline_data_log + forecasted_values_p.iloc[i]
     ewma = airline_data_log.ewm(halflife = 0.5).mean() 

我认为这是低效的，甚至可能是错误的。任何有效的方法（正确的方法）？