Python 小数据集是否可以进行长期时间序列预测？

我有一个酒店365天每天售出房间数量的数据集。它看起来像是长度为365的

[55.0,51.0,67.0,52.0,75.0,86.0,80.0,73.0,76.0,87.0…]

。我试图预测下个月的数值，所以接下来的30个数值。我尝试使用经典算法，如自动回归、移动平均和指数平滑来预测一个值，然后将其添加到列表中并预测下一个值。经过几次预测后，数值开始迅速收敛（我想是朝着平均值）

例如，使用AR，我得到了未来30天的以下预测：

[80.4839934688706, 75.66725846578078, 72.10665183054321, 69.47459513596371, 67.52893723179639, 66.09067616095973, 65.02749084793341, 64.24156746256546, 63.66060047581315, 63.23114049793244, 62.913676895340586, 62.67900278328959, 62.50552797100465, 62.37729264826588, 62.28249907113894, 62.2124261608627, 62.160627158193904, 62.12233651681898, 62.094031469591911、62.07310793136312、62.05764092124136、62.04620746292744、62.03775566985392、62.031507970846626、62.02688957300529、62.02347558033445、62.02095190299937、62.01908636083051、62.01770703225732、62.0166879157001]

这是预测这些值的正确方法吗？是否有可能使用如此小的数据集获得不收敛的更精确的预测？可能使用长-短记忆网络