Sarima：适合火车的子集有效，但不能适合整个火车

Question

我在Python中使用statsmodels.tsa.statespace.sarimax中的 SARIMAX 。
我有一个简单的一列能源消耗数据集，包含27679行。频率为小时。

借助Gridsearch和Hyperopt，我可以进行超参数优化。
为此，我将数据集 NO NOT RANDOMLY （我使用shuffle = False）拆分为 X_train 和 X_test 数据集，然后拆分 X_train 进入 X_train_subset 和 X_valid 集，这样我就可以对X_valid集进行优化，除非最后我不使用X_test集

from sklearn.model_selection import train_test_split

# We want to forecast on 72 hours, 3 days
test_size = 72/len(result_data)

X_train, X_test = train_test_split(result_data, test_size=test_size, shuffle=False)
X_train_subset, X_valid = train_test_split(X_train, test_size=0.3, shuffle=False)

问题是，有时候，我得到了最佳的超参数，它是由优化产生的（拟合X_train_subset并通过X_valid计算指标），然后当我将模型与 X_train 上的这些超参数拟合时，它不合适，我得到了：

ValueError: Non-stationary starting autoregressive parameters found with `enforce_stationarity` set to True.

对于一个具有超参数组合的Sarima模型，要恢复，请执行以下操作：

• 它适用于 X_train_subset 。
• 它不适用于 X_train 。
• X_train_subset是X_train的 70％。
• X_train和X_train_subset都是平稳的（Dickey Fuller测试<10e-11）

有人知道我为什么会出现这种行为以及它对我的模型意味着什么吗？