Mam zestaw danych, w którym intuicja empiryczna mówi, że powinienem oczekiwać cotygodniowej sezonowości (tj. Zachowanie w sobotę i niedzielę różni się od reszty tygodnia). Czy to założenie powinno być prawdziwe, czy wykres autokorelacji nie powinien dać mi impulsów przy wielokrotnościach opóźnienia...
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),
Pracuję nad zestawem danych. Po zastosowaniu niektórych technik identyfikacji modelu, wyszłam z modelem ARIMA (0,2,1). Użyłem detectIOfunkcji w pakiecie TSAw R do wykrycia innowacyjnej wartości odstającej (IO) przy 48. obserwacji mojego oryginalnego zestawu danych. Jak włączyć tę wartość...
Próbuję wykorzystać regresję RF do prognozowania wydajności papierni. Mam dane minut po minucie dla danych wejściowych (szybkość i ilość miazgi drzewnej wchodzącej itp.), A także dla wydajności maszyny (wyprodukowany papier, moc pobierana przez maszynę) i szukam prognoz 10 minut wyprzedzić zmienne...
Robię badania dotyczące prognozowania szeregów czasowych funkcji gęstości prawdopodobieństwa. Naszym celem jest prognozowanie pliku PDF na podstawie pliku PDF zaobserwowanego w przeszłości (zwykle szacowany). Opracowana przez nas metoda prognozowania sprawdza się całkiem dobrze w badaniach...
Próbuję znaleźć sposób korygowania wartości odstających, gdy tylko znajdę je / wykryję w danych szeregów czasowych. Niektóre metody, takie jak nnetar w R, dają pewne błędy dla szeregów czasowych z dużymi / dużymi wartościami odstającymi. Udało mi się już poprawić brakujące wartości, ale wartości...
Słyszałem trochę o używaniu sieci neuronowych do prognozowania szeregów czasowych. Jak mogę porównać, która metoda prognozowania moich szeregów czasowych (dziennych danych detalicznych) jest lepsza: auto.arima (x), ets (x) lub nnetar (x). Mogę porównać auto.arima z ets przez AIC lub BIC. Ale jak...
Jedną z ważnych kwestii, przed którymi stoją prognozy, jest to, czy daną serię można prognozować, czy nie? Natknąłem się na artykuł zatytułowany „ Entropia jako wskaźnik Priori przewidywalności ” autorstwa Petera Catta, który wykorzystuje aproksymalną entropię (ApEn) jako miarę względną do...
Jakie są różnice w stosowaniu uogólnionych modeli liniowych, takich jak automatyczne określanie trafności (ARD) i regresja grzbietu, w porównaniu do modeli szeregów czasowych, takich jak Box-Jenkins (ARIMA) lub wygładzanie wykładnicze do prognozowania? Czy istnieją jakieś praktyczne zasady...
Jestem analitykiem w dziedzinie finansów i ubezpieczeń i za każdym razem, gdy próbuję dopasować modele zmienności, uzyskuję okropne wyniki: reszty są często niestacjonarne (w sensie pierwiastka jednostkowego) i heteroskedastyczne (więc model nie wyjaśnia zmienności). Czy może modele ARCH / GARCH...
Jakie są zalety wyrażania modelu ARMA jako modelu przestrzeni stanów i przeprowadzania prognozowania przy użyciu filtra Kalmana? Metodologia ta jest na przykład stosowana w implementacji SARIMAX w
Obecnie pracuję nad projektem dotyczącym prognozowania danych szeregów czasowych (dane miesięczne). Używam R. do prognozowania. Mam 1 zmienną zależną (y) i 3 zmienne niezależne (x1, x2, x3). Zmienna y ma 73 obserwacje, podobnie jak pozostałe 3 zmienne (alos 73). Od stycznia 2009 r. Do stycznia 2015...
Problemem, z którym mam do czynienia, jest przewidywanie wartości szeregów czasowych. Patrzę na jeden szereg czasowy naraz i na podstawie np. 15% danych wejściowych chciałbym przewidzieć jego przyszłe wartości. Do tej pory natknąłem się na dwa modele: LSTM (długoterminowa pamięć krótkotrwała;...
Programuję i wykonuję programowanie testowe. Po wprowadzeniu zmian w kodzie uruchamiam testy. Czasem im się udaje, a czasem im się nie udaje. Przed uruchomieniem testu zapisuję liczbę od 0,01 do 0,99 dla mojej wiarygodności, że test się powiedzie. Chcę wiedzieć, czy poprawiam przewidywanie, czy...
Próbuję zbudować model prognozowania regresji szeregów czasowych dla zmiennej wynikowej, w kwocie dolarowej, pod względem innych predyktorów / zmiennych wejściowych i błędów autokorelowanych. Ten rodzaj modelu nazywany jest również modelem regresji dynamicznej. Muszę nauczyć się rozpoznawać funkcje...
Wprowadzenie W połączeniu prognoz jedno z popularnych rozwiązań opiera się na zastosowaniu pewnego kryterium informacyjnego. Biorąc na przykład kryterium oszacowane dla modelu , można obliczyć różnice AIC_j od AIC ^ * = \ min_j {AIC_j}, a następnie RP_j = e ^ {(AIC ^ * - AIC_j) / 2} można...
Jako hobby poboczne zajmowałem się prognozowaniem szeregów czasowych (w szczególności przy użyciu R). Dla moich danych mam liczbę odwiedzin dziennie, na każdy dzień sięgający prawie 4 lat. W tych danych są pewne wyraźne wzorce: Poniedziałek-piątek ma wiele odwiedzin (najwyższe w Pon / Wt), ale...
Z tego artykułu pochodzą następujące przeszczepy . Jestem nowicjuszem w bootstrapie i próbuję zaimplementować parametryczne, semiparametryczne i nieparametryczne bootstrapowanie dla liniowego modelu mieszanego z R bootpakietem. Kod R. Oto mój
Dopasowałem model ARIMA (5,1,2), używając auto.arima()funkcji w R i patrząc na porządek, możemy powiedzieć, że nie jest to najlepszy model do prognozowania. Jeśli w seriach danych występują wartości odstające, jaka jest metoda dopasowania modelu do takich
Mam dane miesięczne od 1993 do 2015 roku i chciałbym przeprowadzić prognozę tych danych. Użyłem pakietu tsoutliers do wykrycia wartości odstających, ale nie wiem, jak dalej prognozować z moim zestawem danych. To jest mój