1
私は2年間の日々のデータを持つデータセットを持っています。データのタイプは、2つの季節成分(毎週および毎月、すなわち、毎日の各タイプは同様の方法で動作し、毎月同じ)を有する。休日は毎年違う日に忘れることができます。 1か2か月の日々のデータを予測するための時系列モデルを構築する必要があります。私はARIMAをさまざまなパラメータで試してみましたが、プレディクタは常に平らになっています。日単位のデータを持つ時系列モデルR
ここに私のコード:
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")
私はおそらく、私は基本的なミスを作ってるんだなモデリングのこの種の専門家ではありませんよ。これに関する助けは大いに感謝されます。
BR
トマス
データのようなサウンドは、一連の基底関数、例えば、次のような回帰によってモデル化することができます。フーリエ解析。 –