2

我是 R 新手，发现这个网站非常有帮助，所以这涵盖了我问题的后半部分（每个帖子一个问题）。感谢您提前提供的帮助。

背景： 我正在绘制具有多个预测的历史数据，以进行视觉准确性检查。这在“观察”的 x 轴上显示时效果很好。但是，当用 x 轴上的日期绘制数据时，数据更容易理解，因此我使用 ts() 将其设为时间序列，并按预期绘制时间序列数据。但是，（A）它没有在时间尺度上绘制预测数据，因为它们不是时间序列；(B) 我不确定如何强制 x 轴加 1 年以允许显示预测。

问题：（A）如何将原始时间戳恢复到预测数据？我知道我可以手动重新创建时间序列，但在每次预测迭代中都需要这样做。我考虑过使用预测（）而不是预测（），但额外的预测迭代仍然存在同样的问题，即不是时间序列。 有没有一种简单的方法可以将原始时间戳恢复到预测数据？ 

  require(forecast)  [EDITED for clarity]

  data <- rep(cos(1:52*(3.1416/26)),5)*100+1000

  arima.ts <- ts(data,start=c(2009,1),frequency=52) #not plotted as time series

  # Create the current fit on data and predict one year out
  plot(arima.ts, type="l", xlab="weeks", ylab="counts",
  main="Overlay forecasts & actuals",
       sub="green=FIT(1-105,by 16) wks back & PREDICT(26) wks, blue=52 wks")
  ############## This plotted correctly as "Arima(data),..."
  arima.fit <- auto.arima(tail(arima.ts,156)) 
  arima.pred <- predict(arima.fit, n.ahead=52)
  lines(arima.pred$pred, col="blue")
  lines(arima.pred$pred+2*arima.pred$se, col="red")
  lines(arima.pred$pred-2*arima.pred$se, col="red")

  # Loop back and perform comparison plotting of forecast to actuals
  for (j in seq(1,105,by=16)) { 
    result <- tryCatch({
      ############## This plotted correctly as "Arima(head(data,-j),..."
      arima1.fit <- auto.arima(head(tail(arima.ts,-j),156))
      arima1.pred <- predict(arima1.fit, n.ahead=52)
      lines(arima1.pred$pred, col="green", lty=(numtests %% 6) + 1 )
    }, error = function(e) {return(e$message)}) ## Trap errors
  }
4

2 回答 2

2

正在解决的核心问题是“如何将原始时间戳恢复到预测数据中”。我通过反复试验学到的是通过应用以下步骤“配置，然后永远不要失去时间序列属性” ：

1：制作时间序列使用 ts() 命令创建时间序列。
2：子集时间序列使用'window（）'在'for（）'循环中创建时间序列的子集。在数据上使用“start()”和“end()”来显示时间轴位置。
3：预测时间序列使用对时间序列进行操作的 'forecast()' 或 'predict()'。
4：绘制时间序列绘制时间序列时，时间轴将使用lines() 命令正确对齐附加数据。{绘图选项是用户偏好。}

这会导致预测在正确的时间轴位置绘制在历史数据上。

  require(forecast)     ### [EDITED for clarity]

  data <- rep(cos(1:52*(3.1416/26)),5)*100+1000
  a.ts <- ts(data,start=c(2009,1),frequency=52)

  ## Predict from previous '3' years then one year out & generate the plot
  a.win  <- window(a.ts,start=c(end(a.ts)[1]-3,end(a.ts)[2]),frequency=52)
  a.fit  <- auto.arima(a.win)  
  a.pred <- forecast(a.fit, h=52)
  plot(a.pred, type="l", xlab="weeks", ylab="counts",
       main="Overlay forecasts & actuals",
       sub="green=FIT(1-105,by 16) wks back & PREDICT(26) wks, blue=52 wks")

  for (j in seq(1, 90, by=8)) {   ## Loop to overlay early forecasts 
    result1 <- tryCatch({
      b.end   <- c(end(a.ts)[1],end(a.ts)[2]-j) ## Window the time series  
      b.start <- c(b.end[1]-3,b.end[2])
      b.window <- window(a.ts, start=b.start, end=b.end, frequency=52)

      b.fit  <-auto.arima(b.window) 
      b.pred <- forecast(b.fit, h=26)
      lines(b.pred$mean, col="green", lty="dashed" )
    }, error = function(e) {return(e$message)} ) ## Skip Errors
  }
于 2013-08-13T20:46:58.007 回答
1 
install.packages(c("forecast"))

library(forecast)

# Load your data
data <- c(11,53,50,53,57,69,70,65,64,66,66,64,61,65,69,61,67,71,74,71,77,75,85,88,95,
          93,96,89,95,98,110,134,127,132,107,94,79,72,68,72,70,66,62,62,60,59,61,67,
          74,87,112,134,51,50,38,40,44,54,52,51,48,50,49,49,48,57,52,53,50,50,55,50,
          55,60,65,67,75,66,65,65,69,72,93,137,125,110,93,72,61,55,51,52,50,46,46,45,
          48,44,45,53,55,65,89,112,38,7,39,35,37,41,51,53,57,52,57,51,52,49,48,48,51,
          54,48,50,50,53,56,64,71,74,66,69,71,75,84,93,107,111,112,90,75,62,53,51,52,
          51,49,48,49,52,50,50,59,58,69,95,148,49,83,40,40,40,53,57,54,52,56,53,55,
          55,51,54,45,49,46,52,49,50,57,58,63,73,66,63,72,72,71,77,105,97,104,85,73,
          66,55,52,50,52,48,48,46,48,53,49,58,56,72,84,124,76,4,40,39,36,38,48,55,49,
          51,48,46,46,47,44,44,45,43,48,46,45,50,50,56,62,53,62,63)

data2 <- c(rnorm(237))

# Make data a time series, starting Jan 2009
data.ts<-ts(data, start=c(2009,1),frequency=52)
data2.ts<-ts(data2, start=c(2009,1),frequency=52)

# Plot just the time series
plot(data.ts)

# Do the arima (and other functions you wish)
fit <- arima(data.ts)
fit2 <- arima(data2.ts)
# This part should solve your timeseries problem
# h=1 specifies 1 frequency (or in this case, a week) ahead
data.forecast <- forecast(fit, h=1)
data2.forecast <- forecast(fit2,h=1)

#plot the forecast data
plot(data.forecast)

# suppose you have another data set, surpress the first graph
par(new=T)

# plot the next graph
plot(data2.forecast)

如果您需要任何进一步的详细说明，请告诉我。

于 2013-08-09T03:09:33.437 回答