r中时间序列的适宜预测方法

在我的论文中，我想预测每月的销售额。我得到了6年的数据，我已经每月汇总了这些数据，得到了72个观察值，对数转换。这是我获得的时间序列对象：

       Jan      Feb      Mar      Apr      May      Jun      Jul      Aug      Sep
2015 13.98099 13.86707 13.81279 14.02648 14.27674 14.21412 14.23395 13.96988 14.00624
2016 14.21634 14.00704 14.05400 14.07606 14.20586 14.46138 14.15234 14.31417 13.91900
2017 13.99490 13.90824 14.27708 14.18750 14.06222 14.16077 14.37957 14.36630 14.19188
2018 14.15049 14.20557 13.98271 14.11799 14.32094 14.29468 13.70276 13.72892 13.63643
2019 14.20824 14.17138 13.97853 14.17452 14.26461 14.42239 14.26317 14.20839 14.23635
2020 14.27536 14.18145 14.20229 14.34402 14.20171 14.40331 13.86791 14.01569 13.81158
          Oct      Nov      Dec
2015 13.91717 14.20881 14.32082
2016 14.17202 14.06676 14.28792
2017 14.20140 14.14538 14.15510
2018 13.83971 13.81324 13.77738
2019 14.40160 14.55175 14.43041
2020 14.32758 13.79917 13.95856

我已使用座椅分解对时间序列进行分解，以检查序列： . 该图表明，序列中既有趋势成分，也有季节成分，并且时间序列是非平稳的

我运行了一个

adf.test

，这导致p值大于0.05，表明序列是非平稳的。然而，

kpss

测试导致p值远远大于0.05，表明时间序列是平稳的。所以我有点困惑。此外，我还运行了命令

auto.arima

，建议使用非零均值

arima（1,0,2）模型。然而，使用该模型得到的预测不符合实际情况

那么：有谁能帮我找到一个适合这个时间序列的预测模型吗？
如果你想了解更多关于R中预测的知识，这本书是一个很好的资源：我建议使用新版本的otexts.com/fpp3