非季節性時間序列預測

Question

全部 -

我正在研究沒有季節性的時間序列的預測模型。在其他地區，我使用單季季節使用ARIMA，多季使用季節使用TBATS。但是，現在，我正在處理一個沒有季節性的時間序列。我希望做一些基本的預測。我正在處理大約1。5年的數據 - 每天採取。時間連續劇的情節看起來如下（我不能發表圖片呢，因爲我在計算器上的地位，但是這是對圖像的鏈接：

http://107.170.210.195/Rplot.png

。現在，因爲這不是季節性的，我建立我的時間序列是這樣的：

incidentBacklogRolling12DailyTS <- ts(incidentBacklogRolling12Daily$Count, start=c(2014,327), frequency=365.25) 

這可能是也可能不是這樣做的正確的方式，但我在這裏下我的直覺......然後，我嘗試了各種預測方法 - 顯然ARIMA和TBATS但是我嘗試了ETS（看起來很有希望）和STL，兩者都是從最後一個點延伸出來的「直線」噸。現在，我知道我的時間序列最後看起來是平坦的，但是有一點波動。我還試驗了HoltWinters，它產生了非常精確的擬合，但預測再次是一條直線，這次是向下傾斜的。我希望有一個非季節性系列的好模式，比如這個。

有沒有人有模型（可能參數爲該模型）的建議嘗試。也許我正在努力努力 - 也許有一個簡單的解決方案，我沒有看到。感謝您的任何建議！

Answer 1

在過去一週左右的研究中，我想發佈自己的解決方案，以便任何人在未來看到這一點。我發現了Rob Hyndman（墨爾本這個領域的研究員）發佈的一些材料。我發現在他的一次演講中，他建議使用auto.arima（）函數來處理這些項目。我發了。 Hyndman博士給出了一個說明，他建議使用ETS。由於沒有可檢測到的潛在模式或季節性，您需要預測最近的數據，您可以使用AIRMA和ETS等方法進行預測。我試了兩次，並根據這些數據得到了可以接受的結果。感謝所有讀過這些內容的人，就像我說過的，我只是想爲其他可能有同樣問題的人提供解決方案。