I am using the Holts Winters seasonal method (triple exponential smoothening)
进行预测。我想知道我们如何初始化季节性分量我们有等式
现在说我的 m 值为 365(因为我的数据是一年中 365 天的每日数据)。为了确定 t=1 的季节性分量,我需要时间 t = -365 的季节性分量的值。同样,我需要 t=-364、t=-363 等的季节性分量。如何预先确定这些值...
I am using the Holts Winters seasonal method (triple exponential smoothening)
进行预测。我想知道我们如何初始化季节性分量我们有等式
现在说我的 m 值为 365(因为我的数据是一年中 365 天的每日数据)。为了确定 t=1 的季节性分量,我需要时间 t = -365 的季节性分量的值。同样,我需要 t=-364、t=-363 等的季节性分量。如何预先确定这些值...
初始化没有正式为 Holt Winters 定义,并且文献中已经提出了多种技术。Hyndman 的这篇文章描述了一个明智、有效的程序。
一个易于使用的 python 包(也可以估计数据的周期)是seasonal
(可在 PyPI 或此处获得)。它包括一个 Holt-Winters 示例,该示例在时间 t=-1 设置水平/趋势/季节性分量,以便您可以在 t=0 时开始处理您的系列观察(并从初始 t=- 预测 t=0 1 个状态)