Używam modeli R (3.1.1) i ARIMA do prognozowania. Chciałbym wiedzieć, jaki powinien być parametr „częstotliwość” przypisany w ts()funkcji , jeśli używam danych szeregów czasowych, które są: rozdzielone minutami i rozkładają się na 180 dni (1440 minut / dzień) rozdzielone sekundami i rozkładają...
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...
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...
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...
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...
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...
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),