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
你的問題太廣泛了。請關注它。也許讀[問]。 –