要在R语言中实现SARIMA模型，可以使用forecast包中的auto.arima()函数进行建模和预测。该函数可以自动选择最优的SARIMA模型，也可以手动设置模型阶数。以下是一个简单的步骤：
1.导入需要分析的时间序列数据，并将其转化为时间序列对象。
2.使用auto.arima()函数建立SARIMA模型。
3.使用summary()函数查看模型的统计信息和诊断图表。
4.进行模型检验，可以使用checkresiduals()函数对残差进行检验，也可以使用forecast::accuracy()函数计算模型的预测准确率指标。
5.进行模型预测，可以使用forecast()函数进行未来的预测，也可以使用predict()函数进行特定时间点的预测。
以下是一个示例代码：
library(forecast)
#1.导入数据并转化为时间序列对象
data <- read.csv("data.csv")
ts_data <- ts(data$value, start = c(2017, 1), frequency = 12)
#2.使用auto.arima()函数建立SARIMA模型
sarima_model <- auto.arima(ts_data)
#3.查看模型统计信息和诊断图表
summary(sarima_model)
checkresiduals(sarima_model)
#4.进行模型检验
accuracy(sarima_model)
#5.进行模型预测
forecast_result <- forecast(sarima_model, h = 12)
以上是一个简单的SARIMA模型建模和预测过程，具体需要根据实际数据和研究目的进行调整和优化。