问题标签 [holtwinters]

我正在尝试在 python 中使用 HoltWinters 指数平滑，但我得到的结果与我在 R 中使用预测 holt 时得到的结果不同。

在 R 中：

在蟒蛇中：

谁能告诉我为什么我在 R 与 python 中得到如此不同的结果？

我正在尝试使用指数平滑法预测 2016 年的次日每小时电价。我使用的数据集包含 2014-01-01 00:00 到 2016-12-31 23:00 期间的每小时价格数据。我的目标是在Beigaitė & Krilavičius (2018)中重现结果

由于电价数据表现出多个季节性（每日、每周和每年），我为 2014-01-01 至 2015-12-31 期间定义了一个 msts 对象

msts.elspot.prices.2014_2015 <- msts(df.elspot.prices.2014_2015$Price, seasonal.periods = c(24, 168, 8760), ts.frequency = 8760, start = 2014)

hw()我想使用这个 msts 对象使用包中的函数来预测第二天 (2016-01-01) 的每小时电价forecast，并将点预测存储在包含 2016 年实际每小时电价的数据框中。

df.elspot.prices.2016$pred.hw <- hw(msts.elspot.prices.2014_2015, h = 24)$mean

hw()但是，由于收到以下错误消息，我无法使用该功能：

上网查了一下，好像ets()函数只能接受参数frequency为 max 24。当我处理每小时数据时，这远低于我的数据频率。

有没有办法使用该功能实现我想要的结果hw()？是否有任何其他软件包/功能可以帮助我实现我想要的结果？

我感谢您的帮助！

我想预测数百条记录，其中包含一些不同的 alpha 和 beta 循环。我的目标是在 RStudio 中通过 2 个 beta 样本（0.1 和 0.9）循环 holt 结果。这是代码：

但我在 beta=0.9 中遇到错误，这是通知：

[1] "Model: ETS(A,A,N)" Error in ets(x, "AAN", alpha = alpha, beta = beta, phi = phi, damped = damped, : No model able to be fitted

我发现问题出在数据集上，如果我放置 8 条或更少的记录，它可以预测 beta=0.1、0.9 以及各种 alpha 和 beta 样本。但如果它有超过 8 条记录，它只能预测 beta=0.1 和更低（0.1、0.01、0.001、0.0001 仅）但如果 beta 高于 0.1 则可能是错误的

你能帮我解决这个问题吗？提前致谢

我正在尝试在 Hadoop 基础架构上使用 Python 中的 Map-Reduce 部署时间序列模型，而不使用 StatsModel 包。但是由于我是 Map-Reduce 编程的新手，所以我无法弄清楚如何实现一个。我做了一些关于滚动窗口方法的阅读。但仍然无法了解如何实现它。

我的数据集看起来像这样 -

我使用 diff(log(ts.dat)) 将非平稳时间序列转换为平稳数据集，然后使用基于该数据集的 HoltWinters 模型进行预测。我现在需要将预测恢复为非固定格式，以便在上下文中读取预测数据。

下面是我的代码

我是预测模型的新手，所以非常感谢任何帮助。

编辑：tsdat =

我正在尝试通过 StatsModels ETSModel 从 Holt Winters 时间序列模型中获取预测区间。有人可以帮我弄清楚出了什么问题吗？

我收到以下错误：

这是输入：

我正在尝试对多个时间序列进行 Holt 的预测，并将它们与我的原始 data.frame 结合起来。考虑以下data.frame，其中我有两个人口组：

然后我正在对两个时间序列进行 Holt 预测：

然后我保存结果并与我的原始 data.frame 结合：

这在我只有两个时间序列时有效。但是，如果我有 100 个需要预测的时间序列，那么这不是一种非常有效的方法。任何人都可以帮助提高编码器的效率，例如，如果我在我的 data.frame 中包含一个额外的人口组，那么我在代码中没有任何更改？

我有简单的每月数据集，只需尝试以下代码：

数据集如下所示：

它给出了以下错误：

我正在使用statsmodels指数平滑法进行时间序列分析。我正在尝试重现结果

https://www.statsmodels.org/devel/examples/notebooks/generated/exponential_smoothing.html

具有特定的dataframe（与示例格式相同，但只有一个结果）。以下是代码行：

但是，当我运行它时，我得到了错误

但是当我检查 in 的参数时ExponentialSmoothing，statsmodel是initialization_method其中之一，所以我不知道那里发生了什么。

继续前进，我initialization_method从代码中的参数中删除ExponentialSmoothing，然后在下面的行中出现另一个错误

再次，我去检查是否simulate在最新版本中不被弃用，statsmodels不，它仍然是一个属性。

我升级了statsmodels，我升级了pip，我仍然得到同样的错误。

那里发生了什么？

提前感谢您的帮助！

我有一个由定向国家 dyad-year 组织的数据集（160 万行，4 列感兴趣）。每个非交换二元组（year1-stateA-stateB 并不总是等于 year1-stateB-stateA）有一个输出值“var1”。

数据的简化示例

我想做的是将每组国家对元分解为时间序列，并使用过去 5 年的数据使用 holt 模型创建下一年的预测预测。

预期结果：我希望添加一个新变量，其中包含基于前几年的 yearX+1 的预测值到 yearX 的行中。

并发症：并非每个国家对元组每年都存在，而且在某些年份，尽管数据集中存在国家对元组，但没有数据。

到目前为止我所做的：

首先，请原谅我最近才开始在 R 中使用时间序列。

首先，我使用 dplr 按年份组织数据（因此它将按适当的时间序列顺序排列），然后按 stateA、stateB 分组

我之前做的是一个 5 年的滚动平均值，这不符合我的分析需求，所以它看起来像这样：

这里的问题是我需要为要传递的每一行创建一个时间序列对象holt()以输出预测值 (fvar)。

我希望我以一种可以理解的方式讨论了这个问题。非常感谢您的帮助，我准备澄清和回答任何可能有助于您帮助我的问题。

PS 效率不是必需的，只有结果。

编辑：我认为我之前并不清楚，但我的主要目标是为每一行而不是整个子集生成一个预测对象。在我的国家 1 和国家 2 的示例数据中：将基于 1994 年的时间序列预测 1994 年；根据 1994-1995 年对 1995 年进行预测；根据 1994-1996 年对 1996 年的预测。然后对 (138, 87) 也是如此，每一行都有自己的预测。