Pytania otagowane jako multiple-seasonalities


3
Analiza dziennych szeregów czasowych
Próbuję przeprowadzić analizę szeregów czasowych i jestem nowy w tej dziedzinie. Codziennie liczę wydarzenie z lat 2006-2009 i chcę dopasować do niego model szeregów czasowych. Oto postęp, który poczyniłem: timeSeriesObj = ts(x,start=c(2006,1,1),frequency=365.25) plot.ts(timeSeriesObj) Otrzymany wykres to: Aby sprawdzić, czy dane zawierają sezonowość i trendy, wykonuję kroki wymienione w tym poście …

1
Jak rozłożyć szereg czasowy z wieloma składnikami sezonowymi?
Mam szereg czasowy, który zawiera podwójne składniki sezonowe i chciałbym rozłożyć szereg na następujące składniki szeregu czasowego (trend, składnik sezonowy 1, składnik sezonowy 2 i składnik nieregularny). O ile mi wiadomo, procedura STL do dekompozycji serii w R dopuszcza tylko jeden komponent sezonowy, więc próbowałem dekomponować serię dwa razy. Po …

1
Prognozy szeregów czasowych z danymi dziennymi: ARIMA z regresorem
Korzystam z dziennych szeregów czasowych danych o sprzedaży, które zawierają około 2 lata codziennych punktów danych. Na podstawie niektórych samouczków / przykładów online próbowałem zidentyfikować sezonowość danych. Wydaje się, że istnieje cotygodniowa, miesięczna i prawdopodobnie roczna okresowość / sezonowość. Na przykład są dni wypłaty, szczególnie w przypadku efektu pierwszego dnia …

2
Prognozowanie godzinowych szeregów czasowych z częstotliwością dzienną, tygodniową i roczną
Ważna edycja: Chciałbym jak dotąd podziękować Dave'owi i Nickowi za ich odpowiedzi. Dobrą wiadomością jest to, że dostałem pętlę do pracy (zasada zapożyczona z postu prof. Hydnmana na temat prognozowania partii). Aby skonsolidować zaległe zapytania: a) Jak zwiększyć maksymalną liczbę iteracji dla auto.arima - wydaje się, że przy dużej liczbie …

1
Jak interpretować wyniki modelu TBATS i diagnostykę modelu
Mam półgodzinne dane zapotrzebowania, które są szeregami czasowymi obejmującymi wiele sezonów. Użyłem tbatsw forecastpakiecie w R i uzyskałem takie wyniki: TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>}) Czy to oznacza, że ​​seria niekoniecznie wykorzystuje transformację Box-Coxa, a terminem błędu jest ARMA (5, 4), a terminami 6, 6 i 5 używa się …

1
Interpretacja rozkładu szeregów czasowych przy użyciu TBATS z pakietu prognozy R.
Chciałbym rozłożyć następujące dane szeregów czasowych na komponenty sezonowe, trendowe i resztkowe. Dane to godzinny profil energii chłodzenia z budynku komercyjnego: TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81) plot(TotalCoolingForDecompose.ts) Istnieją zatem oczywiste dzienne i tygodniowe efekty sezonowe w związku z tym na podstawie porady: Jak rozłożyć szereg czasowy z wieloma składnikami sezonowymi? …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.