R forecast package-auto.ARIMA中没有能够估计误差的ARIMA模型

我在HPC服务器中为多个数据集使用

auto.arima

from

forecast

包。列车数据始终有24个数据点，其中包含过去2年的逐月数据。数据还包含一个外部回归。很长一段时间以来，它一直运行良好，但是我突然遇到了一个错误，仅针对一个数据集-

<simpleError in search.arima(x, d, D, max.p, max.q, max.P, max.Q, max.order,     stationary, ic, trace, approximation, xreg = xreg, offset = offset,     allowdrift = allowdrift, allowmean = allowmean, parallel = parallel,     num.cores = num.cores): No ARIMA model able to be estimated>

当我在安装了Rrversion 4.0.2的windows计算机上运行此代码时，它工作正常（正在构建ARIMA模型（0,1,0）），但当在HPC server中使用相同的数据运行相同的代码时，我面临上述错误。即使我试图在另一台windows计算机上使用从RStudio安装的Rrversion 3.6.1执行相同的代码，我也会遇到相同的错误

---

这是因为R版本的差异还是我遗漏了什么？请帮我解决这个问题。

R版本在这里可能没有什么区别。软件包版本更重要。这里您使用的是forecast软件包，

auto.arima

算法在过去几年中有了一些改进和错误修复。当前CRAN版本的forecast是v8.12，它返回ARIMA（0,1,0）模型。

谢谢Rob Hyndman。我理解这一点，并应将pckg更新至最新版本。我很想知道，在使用较旧版本的forecast pkg时，这个错误是否有任何技术原因。使用相同的数据，如果我将第22个数据点的值减少1000，旧版本还会返回ARIMA（0,1,0）模型。我不明白原始数据和更新数据之间的区别。我不明白为什么前者会抛出错误，而后者会返回有效的ARIMA模型。如果您能对此提供一些说明，或向我介绍任何材料或文件，我将不胜感激。提前感谢您尚未说明您使用的软件包版本，因此无法回答可能导致这些结果的更改。您可以在OK上查看

auto.arima（）

函数更改的完整历史记录。非常感谢你。这真的很有帮助。

auto_arima <- ts(data$y, start=min(data$DATE), frequency=12)
auto_arima <- auto.arima(auto_arima, xreg = data$x1, stepwise=FALSE, approximation=FALSE, seasonal=TRUE)

structure(list(DATE = structure(c(17804, 17835, 17865, 17896, 
17927, 17955, 17986, 18016, 18047, 18077, 18108, 18139, 18169, 
18200, 18230, 18261, 18292, 18321, 18352, 18382, 18413, 18443, 
18474, 18505), class = "Date"), x1 = c(21, 22, 21, 22, 22, 19, 
22, 21, 22, 21, 22, 22, 21, 22, 21, 22, 22, 19, 22, 21, 22, 21, 
22, 22), y = c(17532306871, 41826190703, 7748403270, 14959015398, 
15241717931, 18655759009, 15393151016, 15251081090, 14516497716, 
13974303432, 11254893416, 17410813458, 14446411746, 12876827127, 
17609512917, 12179664532, 17473491954, 18447419416, 28262667160, 
36623989143, 28711285833, 28711285833, 28711285833, 28711285833
)), row.names = c(NA, 24L), class = "data.frame")