時間序列模型，每日數據在R

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。

托馬斯

來源

2016-09-30 Tomás

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。 –

1）參見本discussion。使用虛擬變量估計每週和每週的影響，並搜索異常值，水平變化，時間趨勢以及星期幾效應（即季節性脈衝）的變化 2）爲什麼要記錄數據？看到這個discussion。
3）將數據與日期和數據所在的國家/地區一起發佈。

來源

2016-10-21 17:26:35

時間序列模型，每日數據在R

回答

相關問題