1
我有一個包含2年日常數據的數據集。數據類型具有兩個季節性組件(每週和每月),即每種類型的日期以類似的方式表現,並且每個月的情況相同。讓我們忘記每年在不同日期的假期。我需要建立一個時間序列模型來預測一到兩個月的日常數據。我嘗試過不同參數的ARIMA,並且預測器總是變平。時間序列模型,每日數據在R
這裏我的代碼:
df <read.csv("data.csv", header = TRUE, sep = ";")
tseries <-ts(df[,2],start=1,frequency=7) -- also tried msts but not working
ARIMAfit <- auto.arima(log10(tseries), approximation=FALSE,trace=FALSE)
Series: log10(tseries)
ARIMA(2,0,1)(2,0,0)[7] with non-zero mean
Coefficients:
ar1 ar2 ma1 sar1 sar2 intercept
-0.1203 0.2423 0.6590 0.3182 0.4490 2.0577
s.e. 0.1495 0.0900 0.1404 0.0330 0.0335 0.0508
sigma^2 estimated as 0.03187: log likelihood=222.5
AIC=-430.99 AICc=-430.84 BIC=-398.82
Training set error measures:
ME RMSE MAE MPE MAPE MASE
Training set 0.000745645 0.1777786 0.1273053 -0.7742803 6.340793 0.8641706
ACF1
Training set -0.00434844
pred <- predict(ARIMAfit, n.ahead = 500)
lines(10^(pred$pred),col="yellow")
我不是這樣的造型所以也許我做一個基本的錯誤的專家。任何幫助,將不勝感激。
BR
托馬斯
像數據一樣的聲音可以用一組基本函數進行迴歸建模,例如,傅立葉分析。 –