雙季節週期對象

Question

我想從一個TS剔除季節性。這個特定的ts是每天的，並且具有每年和每週的季節性週期（頻率365和7）。

爲了去除兩者，我曾嘗試進行與頻率的TS設定爲365 STL（），提取趨勢和剩餘物，和新的TS的頻率設定爲7之前，並重復。

這似乎並不奏效非常好，我想知道它是否是我的方法，或固有的，這是造成我的問題TS東西。任何人都可以批評我的方法論，也許可以推薦一種替代方法嗎？

Answer 1

檢查，如果這是有用的：
Start and End Values depends on your Data - Change the Frequency values accordingly

splot <- ts(Data1, start=c(2010, 2), end=c(2013, 9), frequency=12) 

additive trend, seasonal, and irregular components can be decomposed using the stl() Function

fit <- stl(splot, s.window="period") 
monthplot(splot) 
library(forecast) 
vi <-seasonplot(splot) 

六應給予單獨的值的季節性指數

還要檢查以下之一：

splot.stl <- stl(splot,s.window="periodic",na.action=na.contiguous) 
    trend <- splot.stl$time.series[,2] 
    season <- splot.stl$time.series[,1] 
    remainder <- splot - trend - season 

Answer 2

不僅可以處理季節性組件（週期性重現事件），而且可以處理趨勢（規範中緩慢移動）的方法令人欽佩地是stl()，具體由Rob J Hyndman實施。

的decomp功能海德門給出有（下面再現）是非常有益的用於檢查seasonality然後decomposing時間序列進季節（如果有的話），trend，和residual組件。

decomp <- function(x,transform=TRUE) 
{ 
    #decomposes time series into seasonal and trend components 
    #from http://robjhyndman.com/researchtips/tscharacteristics/ 
    require(forecast) 
    # Transform series 
    if(transform & min(x,na.rm=TRUE) >= 0) 
    { 
    lambda <- BoxCox.lambda(na.contiguous(x)) 
    x <- BoxCox(x,lambda) 
    } 
    else 
    { 
    lambda <- NULL 
    transform <- FALSE 
    } 
    # Seasonal data 
    if(frequency(x)>1) 
    { 
    x.stl <- stl(x,s.window="periodic",na.action=na.contiguous) 
    trend <- x.stl$time.series[,2] 
    season <- x.stl$time.series[,1] 
    remainder <- x - trend - season 
    } 
    else #Nonseasonal data 
    { 
    require(mgcv) 
    tt <- 1:length(x) 
    trend <- rep(NA,length(x)) 
    trend[!is.na(x)] <- fitted(gam(x ~ s(tt))) 
    season <- NULL 
    remainder <- x - trend 
    } 
    return(list(x=x,trend=trend,season=season,remainder=remainder, 
    transform=transform,lambda=lambda)) 
} 

正如你可以看到它使用stl()（使用loess）是否存在季節性和處罰迴歸樣條，如果沒有季節性。

Answer 3

使用forecast軟件包中實現的TBATS模型有一種非常簡單的方法。下面是一個例子假設你的數據被存儲爲x：模型的

library(forecast) 
x2 <- msts(x, seasonal.periods=c(7,365)) 
fit <- tbats(x2) 
x.sa <- seasadj(fit) 

詳細情況De Livera, Hyndman and Snyder (JASA, 2011)描述。