1
我有一个包含2年日常数据的数据集。数据类型具有两个季节性组件(每周和每月),即每种类型的日期以类似的方式表现,并且每个月的情况相同。让我们忘记每年在不同日期的假期。我需要建立一个时间序列模型来预测一到两个月的日常数据。我尝试过不同参数的ARIMA,并且预测器总是变平。时间序列模型,每日数据在R
这里我的代码:
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")
我不是这样的造型所以也许我做一个基本的错误的专家。任何帮助,将不胜感激。
BR
托马斯
像数据一样的声音可以用一组基本函数进行回归建模,例如,傅立叶分析。 –