问题标签 [forecasting]

我的目标是列出具有漂移预测功能的随机游走的漂移系数，应用于一组历史数据（如下）。具体来说，我试图从第一年的漂移模型的随机游走开始收集漂移系数，然后累积到最后一次，每次记录系数，意味着迭代或每隔一年（将其记录到列表中？如果那是合适的）。需要明确的是，每个新的随机游走预测都包括以前的所有年份。

数据是 241 个消耗水平的列表，我试图辨别漂移系数在从 n=1 到 n=241 的迭代过程中将如何变化

例如，带有漂移模型的随机游走是 Y[t] = c + Y[t-1] + Z[t] 其中 Z[t] 是正常误差，c 是我正在寻找的系数。我目前在这方面的尝试涉及一个 for 循环函数并从 R 中的“Forecast”包中的 rwf() 函数中提取 c 系数。

为了提取这个，我正在这样做

rwf(x, h = 1, drift = TRUE)$model[[1]]

提取漂移系数。问题是，我在 rwf 调用中对数据进行子集化的尝试失败了，而且我也不相信，通过反复试验和研究，rwf() 支持子集参数，例如 lm 模型。从这个意义上说，我循环函数的尝试也失败了。

这种代码的一个例子是

这给了我以下错误

任何帮助将非常感激。我阅读了很多内容以寻求帮助，但这是我第一次提出问题。

数据如下

我正在尝试使用 R CRAN ftsa 包中的 error() 函数。当我设置选项 giveall=TRUE 时，返回所有可用方法的结果，R 输出为：

我尝试了错误函数帮助站点提供的示例，

将其更改为：

但我得到了同样的结果。我错过了什么吗？

谢谢！

我们用 acf 和 pcf 分析了一个数据集，并看到了使用 arima 的必要性。Arima 被执行并提供系数。现在我们想用它来预测一个随机值。当我做对时，预测或预测的预测是预期值。但是，我们希望创建正态分布在该预测周围的随机值 - 正如在原始数据中观察到的那样。我们怎样才能轻松应对？

谢谢！最好的，F！

我正在使用包中的accuracy函数forecast来计算精度度量。我用它来计算拟合时间序列模型的度量，例如 ARIMA 或指数平滑。当我在不同维度和聚合级别上测试不同的模型类型时，我正在使用由 Hyndman 等人（2006 年，“另一个看预测准确性的衡量标准”）引入的 MASE（平均绝对比例误差）来比较不同的模型在不同的层面上。

现在我还将模型与预测历史进行比较。由于我只有预测值而不是模型，因此我尝试使用该accuracy功能。在函数描述中提到，还允许提供两个向量参数，一个带有预测值，一个带有实际值，以计算度量（而不是拟合模型）：

f：“预测”类的对象，或包含预测的数值向量。如果 x 被省略，它也适用于 Arima、ets 和 lm 对象——在这种情况下，将返回样本内准确度度量。

x：一个可选的数值向量，包含与对象长度相同的实际值。

但令我惊讶的是，所有措施都返回了，期待 MASE。所以我想知道是否有人知道这是什么原因？为什么在函数中使用两个向量作为参数时不返回 MASE accuracy？

在需求预测项目的范围内，我想确定对彼此相似的时间序列进行分组的最佳方法，以便我可以应用自上而下的预测算法。目前，我的关键问题是确定什么是适当的组以及这些组的适当层次结构是什么。在做了一些阅读之后，我相信动态时间扭曲可能会有所帮助。为了对此进行测试，我创建了一个小测试用例，但我面临一个问题，那就是我如何提取层次结构，例如文本树或类似的东西。我希望你们中的一个人能够进一步帮助我。

我创建了以下案例来展示我的目标。

不知何故，我想以文本形式获取集群的名称和成员，以便我可以继续使用它。有人有想法吗？

谢谢！

我想知道是否有人可以帮助我使用 R 验证包进行一些验证分析。我有两组降水数据，一组是在 20x20x100（纬度 x 经度 x 天）矩阵上的观察，另一组是 20x20x100x5 上的模型结果，其中最后一个维度是集合成员。换句话说，该模型在相同的 100 天内运行了 5 次。

我的目标是根据这些数据绘制可靠性图。数据以英寸/天为单位。

我的主要问题是：1）如何根据这个数据集得到预测概率？换句话说，如何从英寸/天到二进制或分类预测？

2）我想首先我需要选择一些参考值（三分位数？），我将使用它们来获得我的二进制/分类结果。但我不知道如何做到这一点。

任何帮助将不胜感激。谢谢你。亚历克斯·K。

我正在尝试使用 R 中的 dyn 库预测一个简单的滞后时间序列回归。 这个问题是一个有用的起点，但我遇到了一些奇怪的行为，希望有人能解释一下。

这是一个最小的工作示例。

为什么两者之间有区别？谁能建议如何使用 dyn 预测我的“mod1”？提前致谢。

我在 Excel 电子表格中有一些数据，它代表了一组采样的日期时间。日期呈线性增长，但存在一些周期性间隙（导致日期数据不连续）。

请参阅附图，因为这显示了数据的周期性。请注意，变化率在出现不连续性的地方显示出明显的尖峰。

数据是 DateTimes 的 Excel 电子表格中的单列。我想预测这个重复序列到未来，以便估计未来的不连续性。

最终我想用 C# 编写代码，但如果有人知道可以在 Excel 或 C#/C 中执行这种预测的算法，那就太好了！

我考虑过自动相关，但无法弄清楚如何在 Excel 中进行测试。

我使用了自动 ARIMA 并得到了这样的结果：

除了警告之外，残差也太大了。

可能是 Auto Arima 创建了一个错误的模型，我该如何改进这个模型？

我使用 ARIMA 的季节性周期为“周”，有 672 个测量值，如下所示：

如何将这两个季节性结合起来，并在同一时间将每日季节性“96”与一周季节性一起使用？