问题标签 [forecasting]

我正在分析一些地理数据，并试图根据时间和地理位置来预测/预测下一次事件的发生。数据按以下顺序（带有样本数据）

第一步是将其分为 100 个区域，以减少尺寸和复杂性。

下一步是进行时间序列分析，然后我被困在这里 2 个月，阅读了很多文献并认为这些是我的选择 * ARIMA（自动回归方法） * 机器学习

我想利用机器学习来使用 python 进行预测，但无法真正弄清楚如何。具体来说，是否有任何特定于用例的 python 库/开源代码，我可以在这些库上进行构建。

编辑1：为了澄清，数据松散地依赖于过去的数据，但在一段时间内是均匀分布的。可视化数据的最佳方式是，想象由算法控制的 N 个代理，该算法分配给它们从网格中挑选资源的任务。资源是社会经济结构的功能，也强烈依赖于地理。“算法”的兴趣在于能够明智地预测需求区域和时间。

ps：对于像 ARIMA 这样的自回归模型，Python 已经有一个库http://pypi.python.org/pypi/statsmodels。

I need a forecasting model that will use time series as well as seasonality. Example, to predict Feb 2013 data, I will use Jan 2013 data and Feb 2012 data.

I was trying to assess TripleExponentialSmoothing and SVM (as used in the Weka forecasting library). However, with limited statistical prowess, I am not sure what(and probably how) to leverage.

I need this as a part of an enterprise Java application. Is there a Java library that I could use?

我正在尝试使用 Matlab 模拟时间序列过程。例如，让我们看下面的例子： http: //www.mathworks.com/help/econ/arima.print.html

当我运行以下代码时

我收到以下错误：

？？？“double”类型的输入参数的未定义函数或方法“arima”。

Matlab 是否包含 Matlab 的函数？我可以计算不同的函数，比如计算不同滞后的自相关或自协方差吗？或者估计ARMA参数？

实际上我想比较两个不同时间序列数据的预测图。我有两个每月观察到的两个不同城市的降雨数据的 5 年数据。为此，我已经绘制了 5 年的时间序列图以及未来 2 年使用两个城市的预测包的图表。现在我想比较这两个图以及它们未来 2 年的预测（可能是误差）。

谁能帮我解决这些问题。

在业余时间，我尝试提高我在预测技术方面的技能，今天的问题集中在使用多个回归器进行预测。我创建了一个受两个回归量影响的时间序列，但想知道如何用它们进行预测。

我尝试了以下方法：

首先我的时间序列：

上面的时间序列是基于ts.trend（下）中显示的趋势，并由修饰符修改。如果第一个修饰符相关，则该值增加 25%，如果是第二个，则该值减少 10%。当两者都适用时，它们将增加 15%。

具有两个回归量的多元时间序列：

然后我尝试制作以下模型：

该代码似乎运行良好，但该图（见下文）并没有真正意义，因为没有确定回归变量，您会期望预测或多或少地遵循趋势线。有没有人可以对这里发生的事情提供一些见解？

当我不使用任何回归变量时，预测图如下所示。我对这个预测比对上图中的预测更有信心。我使用以下代码行来生成图表：

我想知道是否有人了解我对多元 xreg 值的预测发生了什么。此外，我很想知道使用多元回归器进行预测的其他方法。

似乎auto.arima从脚本forecast中的包运行knitr总是会产生一个警告 - 当我在普通 R 中运行它时，我没有收到这个警告。

knitr Markdown 示例代码：

产生这个：

而在 R 中运行以下命令通常不会产生这样的警告：

此外，由于此数据集是示例数据集，因此auto.arima我倾向于认为警告不正确（因为我怀疑会给出“好”示例）。

知道发生了什么吗？

我正在使用该forecast软件包。

假设d.ts是一个时间序列。当我使用时，plot(forecast(d.ts))我得到了我的时间序列的（非常好的）图加上一条预测线和一个表示预测不确定性的阴影区域。我想省略这条线（中央估计）。显然，我可以手动Forecast从forecast(d.ts)对象中删除列并手动绘制剩余的列，但我想知道是否有更快的方法。我可以写plot(forecast(d.ts,fan=TRUE))，但这并没有省略这一行（情节的其余部分也不是我想要的）。

我正在尝试预测每周数据的销售量。数据由以下变量组成：周数、销售额、平均价格/单位、假期（该周是否包含假期）和促销（如果有促销活动），共 104 周。所以基本上最后 6 个 obs 的数据集看起来像：

现在我想预测第 105 周和第 106 周。所以我使用 ts 函数创建了单变量时间序列 x ，然后通过发出命令运行 auto.arima 函数：

现在，当我想预测过去 2 周（第 105 周和第 1o6 周）的值时，我提供第 105 周和第 106 周的回归变量的外部值：

输出看起来不正确，因为销售的预测值非常小，因为先前值（训练）值的销售值通常在数千范围内。

如果有人能告诉我为什么它会不正确/出乎意料，那就太好了。

我想共享一些文件，在朋友之间进行协作，并 安全地一起处理项目，但我不确定该使用什么。我曾就 Drop Box 进行过辩论，但无法可靠地传达正在做什么或谁在做什么。添加的另一个选项是使用 Google 文档，但来回弹跳会让人头疼。是否存在允许进行矩阵或预测的私下项目通信的完整解决方案？

我曾经在 SAS 中每周根据两个参数预测计算机的销售量 - 定价和营销支出（车辆级别 - 因此有几个变量）。这在 SAS 中很容易，因为我可以使用PROC ARIMA.

你能帮我过渡到 R 吗？我已经导入了数据集，执行auto.arima并分析了一些变量的 p 值。但是，我不知道如何在接下来的 26 周内进行预测。任何帮助将不胜感激！