问题标签 [forecasting]

我正在分析来自太阳能发电厂的数据。我想在以后的每一天每小时调整估计的生产工厂，可以得到的数据是未来三天的天气预报，这样你就知道明天会是什么日子（1到5，1晴天和 5 天多云）。

所以想法是将容量乘以一个因子，所以这是对将发生的情况的估计，不会偏离实际测量。

我想通过使用一天的变量类型作为一个因素来建立一个线性模型。可能是近似真实生产的最佳方式。

今天的标准是：

• 日型1，生产能力*1
• 日型2，生产能力*0.7
• 日型3，生产能力*0.4
• 日型4，生产能力*0.15
• 日型5，生产能力*0

我对这些系数进行了研究，工厂的产量被低估了，这意味着实际上产生了更多的能量，几乎 50%。使用 excel 的求解器找到我得到的系数：

• 1.6
• 1.2
• 0.9
• 0.65
• 0.5

麻烦的是，这仅适用于这种特殊的数据情况，我无法一概而论，因为我想制作模型）。

数据

这是我申请的：

基地说明。

tiempo / 真实 / Tipo / capacidad

• Tiempo：表示进行观察的时间。
• 实际测量表明实际的能源生产。
• Tipo：表示观察日的类型（1 到 5）。
• Capacidad：计划估计产能的百分比

我正在使用 R 中的预测包进行时间序列预测。我有 5 年的历史，想预测接下来的 3 个月。我注意到，如果我在训练集中只使用最近几年的 2-3 年，则预测比使用全部 5 年要好。我相信这是因为 ARIMA 算法在 5 年前发现的模式不再适用于预测未来。

与其完全消除很久以前的数据，是否可以减少这些数据的权重？目前预测中没有这样的选项，但是有没有办法破解这个，或者有替代的软件包吗？

我正在尝试通过在 Java 中提供 2 个月的数据来运行 TimeseriesExample 代码来预测（预测）未来 6 个月的数据。我需要使用WekaForecaster对象。但我无法导入这两个文件：

这两个都显示错误。我已经导入了以下 jar 文件：

但是上面的文件仍然没有导入，我缺少哪个 jar？

我最近更新到 forecast() 版本 4.03，下面示例代码的最后一行（第 4 行）现在给出了错误消息（如底部所示）。请注意，第 4 行中的 forecast() 是第 3 行的 auto.arima() 的输出（它可以正常工作）。预测包中有什么变化吗？

此外，使用以下代码将第 3 行中的 zoo 术语替换为 ts 术语时，错误消息消失：

那么，forecast(auto.arima()) 组合不再接受 zoo 对象了吗？如果是这种情况，有没有比 as.ts() 方法更好的方法来处理这个问题？

我已将以下模型拟合到我的时间序列数据中。它xreg由一个从 1 到 1000 的时间向量和代表月份的 12 个指标变量（1 或 0）组成。我正在处理的数据具有很强的每周和每月季节性模式。

目前，我试图弄清楚如何预测 1 月份的 14 个值（M1=1）。因此，当我在 R 中使用 predict 函数时，我认为我需要在我想要的 newxreg 部分中指定M1=1我M2,...,M12=0的预测 - 对吗？我已经玩过代码，但我无法让它工作，而且我无法在线找到有关预测公式的 newxreg 部分的非常详细的信息。

任何人都可以向我解释我如何获得一个特定月份的预测，比如一月？我需要如何在预测函数的 newxreg 部分中注意这一点？

提前谢谢了！

有人知道任何可用于呼叫中心分析的开放数据集吗？特别是我对预测来电数量以及根据等待时间可视化内部队列感兴趣。

谢谢

我一直在使用 R 中的预测包，但发现很难将我自己的每日时间序列加载到 ts 对象中，然后将其与预测算法一起使用。我改为使用 zoo 来创建我的每日时间序列对象，但我无法将其直接传递给 R Forecast 包中的预测算法。

任何正确方向的帮助将不胜感激。我对此感到非常困惑。

谢谢

嗨这是一些示例代码。使用简单的季度数据集，我可以进行一些预测，但使用每日数据集，我无法使其正常工作。非常感谢

这是一个更新的 R 代码，但仍然无法正常工作

非常感谢

我目前正在使用 ets() 根据 R 中的历史时间序列数据预测未来值。我使用 predict() 函数来预测接下来的 24 个数据点。但是，对于前 12 个和后 12 个数据点，输出给出了相同的数字。例如，2012 年 5 月的预测值复制到 2013 年 5 月。

以下数据通过：

代码：

输出：

请帮忙。

简单的问题——我想使用 R 将 ARIMA 的拟合值和平均预测提取为一个时间序列。现在，我使用这个缓慢而繁琐的代码：

必须有一种更简单的方法来做到这一点，但是查看文档，我正在画一个空白。我真的很想避免合并时间序列的麻烦，然后放入零（以填充 NA），然后进行加法。我知道我可以创建自己的函数，但如果没有简单的预先烘焙的东西，我会感到惊讶。

想法？

我正在使用预测包中的 ets() 和 auto.arima() 函数来预测 R 中的未来值。应该使用哪些标准来选择这两者之间的最佳模型？

以下是 ets (data.ets) 和 auto.arima (data.ar) 的准确度输出。

和每个模型的AIC如下

以下是 ets 和 auto.arima 的拟合模型

请帮忙。