Arima/HW的日常溫度模擬/預報

我有1960-2015的每日氣溫時間序列，並希望預測2016年。我的目標是使用簡單的方法，同時仍然能夠捕捉趨勢和隨着時間的推移數據的季節性。（實際上我只關心五月到八月的天氣狀況，但不確定我是否可以使用過去幾年5 - 8月的數據來獲得令人信服的預測，所以我預測一年）Arima/HW的日常溫度模擬/預報

我嘗試auto.arima，它建議（2,0,1）的順序，但結果似乎很糟糕（見圖）[1]

此外，我試過HoltWinters平滑方法，並得到看似合理的結果。但是我不知道這種方法是否適用於預測溫度。 [來自HW的預測] [2]

來源

2017-09-25 Kara

你的問題太廣泛了。請關注它。也許讀[問]。 –

我也很猶豫，沒有更多的信息提供答案;不過，我建議對於沒有很多時間序列預測經驗的人來說，「預測」包中的auto.arima函數非常好。它具有內置優化功能，可以搜索最佳ARIMA順序（p，d，q）。下面是一些示例代碼：

install.packages("forecast") 
library(forecast) 

set.seed(1234) 
tsdatav <- (seq(1:300) + rnorm(300, 1000, 10)) 
myts <- ts(tsdatav, frequency = 365, start = c(2017, 6)) 
mytsfit <- auto.arima(myts) 
mytsfit #to my example data, fit an ARIMA(5,1,0) with drift 
mytsforecast <- forecast(mytsfit, 50, level = c(80, 95)) 
plot(mytsforecast)

注意的是，在預測功能，你可以設置你要多少時間來預測出以及置信區間（除了點的預測）。

公爵在https://people.duke.edu/~rnau/411arim.htm

上ARIMA預測一個優秀的網站再次，這僅僅是一個建議。有許多預測方法比其他問題具有更好的效果。

來源

2017-09-26 00:32:53 dmb

儘管問題可能過於寬泛，但這是一個很好的答案。 +1 –

我使用auto.arima函數來預測未來365天的溫度，但是，似乎預測沒有捕捉到季節性。我也使用HoltWinters平滑方法，結果似乎可以通過繪圖。但它並不真正令人信服。我將在上面編輯我的問題。 – Kara

Arima/HW的日常溫度模擬/預報

回答

相關問題