问题标签 [holtwinters]

我正在按照Rob Hyndman 的本教程进行初始化（加法）。

计算初始值的步骤指定为：

我在Rob Hydman 免费在线教科书中提供的数据集上手动（用笔/纸）运行上述步骤。我在前两个步骤后得到的值是：

我在“R”上使用了相同的数据集，但 R 中的季节性输出值截然不同（截图如下）

不知道我做错了什么。任何帮助，将不胜感激。

我刚才观察到的另一个有趣的事情是，(l(t))教科书的初始级别是33.8，但在R输出中是 : 48.24，这证明我在手动计算时遗漏了一些东西。

编辑：

这是我计算平滑移动平均线的方法（基于此链接第 2 节中使用的公式。）

计算后我已经去趋势，表示原始值 - 平滑值。

然后是季节性值：这是

我需要帮助使用三个变量约束来最小化 python 中的函数。

我已经发布了给我错误的代码。如果您愿意，我可以发布整个代码以显示数学计算。：

这是我的代码：

这是错误信息。没有最小化函数的函数工作得很好。

使用数据 UKDriverDeaths

尝试使用 Holt-Winters 预测函数和 ggplot()。

基本上再现了ggplot中的数据。

我想根据实际数据展示 holt winters 从 1983 年开始的预测。2个问题是：

1) ggplot 不理解 ts 数据。

2）使用 HoltWinters() 使用 ts 数据，而不是 zoo（日期或 xts）。我需要在切割点显示预测和实际数据（通常 + geom_line(aes()) 这样做）

如果置信区间是可能的，那就太好了。

非常感谢，完全卡住了

使用数据UKDriverDeaths

尝试使用 Holt-Winters 预测函数 & ggplot()。

基本上ggplot以置信区间 (2) 重现 (1) 中的数据。

这是数据：

这是在以下位置创建它的解决方案 (1) ggplot()：

我正在寻找 holt-winters 预测的置信区间 (2)。

我正在尝试对具有这种模式的数据集进行冬季预测：

我一直在关注R和 Rob Hyndman 的Otexts的小书。但据我了解，我们一次只能考虑一个数据集。但是考虑到我在这个数据集中拥有的区域数量，我可能必须将每个区域的数据分别存储在工作区中，并且每次都从那里读取。这似乎效率不高。有没有办法处理这个？

我也有同样的问题，arima但有人建议使用它并且它有效：

arima_fits <- group_by(Insample, Region) %>% do(fit=auto.arima(.$Sales))

但这似乎对硬件没有帮助。

hw_fits <- group_by(Insample, Region) %>% do(fit=hw(.$Sales))

错误：

ets(x, "AAA", alpha = alpha, beta = beta, gamma = gamma, damped = damped, : 非季节性数据中的错误

由于我收到此错误，我尝试按地区（单变量系列 - 1 个地区的销售额）进行此操作，并且效果很好。

fit1 <- hw(Region1, seasonal="additive")

有什么建议么？

我的数据：我的每小时数据中有两种季节性模式……每天和每周。例如......我的数据集中的每一天都具有基于一天中的小时的大致相同的形状。然而，像周六和周日这样的特定日子，我的数据会有所增加，而且每小时的形状也略有不同。

（使用 holt-winters，我在这里发现：https ://gist.github.com/andrequeiroz/5888967 ）

我运行了算法，使用 24 作为每个季节的周期，并预测了 7 个季节（1 周），我注意到它会高估工作日和低估周末，因为它根据星期五曲线估计星期六曲线和不是星期五曲线和星期六（t-1）曲线的组合。什么是在我的数据中包含第二个时期的好方法，例如 24 和 7？他们是我应该使用的不同算法吗？

我在 R 中编写了一个代码，它增加了权重并运行附加的 holt-winters 来预测。但是对于我的一些数据，它给出了错误：

Error in etsmodel(y, errortype[i], trendtype[j], seasontype[k], damped[l], : Parameters out of range

有人可以告诉我为什么要这样做，以及我将来如何阻止它发生。

这是我的代码：

先感谢您

编辑：

即使删除上限和下限的限制，错误仍然存​​在

编辑

我从中删除了opt.crit，ets这使我的代码运行良好。如果还有其他方法，请告诉我

编辑

虽然这适用于这个数据集，但它仍然给不同的数据集带来了错误。所以我必须做一些其他的事情来让这个代码对所有数据集自动运行

所以，我有这个时间序列来跟踪研究生课程的每日申请数量。每个申请期为 64 天 - 因此，对于每个申请期，您从零开始，一直到申请期结束。最后一个周期是部分的，代表当前的应用周期。

每天，我都会运行一个简单的模型，该模型恰好可以很好地预测应用程序的数量。

这是结果图和 fcast 的输出：

如您所见，给定周期中的应用程序数量要么持平，要么在增加。然而，在预测中，在第 30 天之后会出现下降。对于我的生活，我无法弄清楚是什么原因造成的。有任何想法吗？

我正在尝试使用 R 中的 HoltWinters 函数进行大量时间序列预测。为此，我使用 for 循环并在内部调用该函数，并将预测保存在 data.frame 中。

问题是 HoltWinters 函数的一些结果给出了错误，特别是优化错误：

这个错误打破了循环。

所以我需要的是类似“try”的东西：如果它可以使 HoltWinters 函数，它保存预测，否则它保存错误。

下面的代码复制了这个问题：

其中 i <- 2 产生问题。

我需要的是，在这个例子中，“输出”列表如下：

提前致谢。

我正在尝试使用该forecast库的指数平滑模型。

如您所见，我的时间序列对象未正确反映在预测中。

我的猜测是我对ts对象的定义是错误的。但是，有什么建议可以定义一个时间序列，quaterly从 开始Q2 2000一直到Q4 2014？

感谢您的回复！