R，時間系列，華宇模型，預測，每日數據

Question

我試圖做一些需求預測與日常數據，從2012年1月16日到2013年10月10日。但預測只會返回可怕的結果。任何線索爲什麼？

這是數據在情節中的樣子：存在每週和每月的季節性。即：平日需求增加，週末需求減少。

下面是預測圖的樣子：其中黑線是實際的數據和藍色線是預測的數據。

x = ts(data, freq=7, start=c(3,2)) 
fit <- auto.arima(x) 
pred <- forecast(fit, h=300) 

我做了如何適應每天的數據與ARIMA模型了大量的研究。由於每週都有季節性因此我選擇了freq = 7。

但是，由於預測不好。有人很好地指出了Hyndman教授分享的具有多個季節性擬合模型的方法之一。

https://stats.stackexchange.com/questions/74418/frequency-of-time-series-in-r/74426#74426

所以我把好人的意見，並從上面的鏈接給出2種方法擬合模型。

方法1：使用tbats（）函數。

x_new <- msts(x, seasonal.periods=c(7,7*52)) 
fit <- tbats(x_new) 
fc <- forecast(fit, h=7*52) 

我用每週季節性7和每年季節性7 * 52。因爲我沒有想出一個簡單的方法來獲得每月的季節性。根據結果​​，預測也不好。注意：如果我使用7 * 4作爲每月的第二個季節週期，則會給預測帶來更壞的結果。方法2：使用fouriers作爲xreg。

seas1 <- fourier(x, K=1) 
seas2 <- fourier(ts(x,freq=7*52), K=1) 
fit <- auto.arima(x, xreg=cbind(seas1,seas2)) 
seas1.f <- fourierf(x, K=1, h=7*52) 
seas2.f <- fourierf(ts(x,freq=7*52), K=1, h=7*52) 
fc1 <- forecast(fit, xreg=cbind(seas1.f, seas2.f)) 

我有不同鉀肥試了一下，它不會提高預測。

因此，我卡住了！由於預測的結果很順利。誰能指出我的錯誤在哪裏？或者我應該如何改進我的模型？

非常感謝！

Answer 1

您錯過了節假日和週末假期和異常值（脈衝異常值，電平轉換，趨勢變化，週日影響（即季節脈衝）變化）的影響。如果你處理這些事情，那麼你無法在星期幾模式中得到很好的閱讀。你可以將你的數據發佈到dropbox.com，這樣我可以看看嗎？指定數據的起始日期和國家。