问题标签 [trend]

在文献的基础上，对于时间相关性建模，应该从时间序列数据中去除趋势。我们选择差分来消除趋势。

我想知道：

当我们执行差分时，数据会完全改变，随后预测也会改变。例如，如果我们假设数据的范围是 7.9、7.25、6.98 和 ...，那么在执行差分之后，预测将低于 1。我们应该如何评估现实世界数据中的预测？我们是否也应该对参考数据执行类似的差分？

我正在使用 AR(p) 时间模型。此外，该过程在 R 软件中实现。

数据样本（rn25_29_o）：

代码：

假设我有一本书，其中 A1:B9 中有数据。

A1:B9 的值从 1 到 9。B1 包含值 10，B9 包含值 60。参见 beloq

假设它们符合最佳拟合线，有没有办法计算两者之间的值？这些值将占据 abcdefg。

干杯戴尔

我正在开发一个使用前馈网络的预测应用程序。我遇到的问题是，我想预测的数据大多是趋势数据。因此，我正在尝试开发的模型如下：

其中x 是输入向量，f(x) 是神经网络，g(t) 是一些随时间变化的趋势函数（即线性、指数）。

最直接的方法是修改误差函数，因此它将包括趋势：

据我了解，解决方案在理论上非常简单，因为根据模型参数（神经网络权重 + 趋势模型参数）的梯度可以计算为：

我认为，使用神经网络优化技术来搜索 NN 和趋势，并以与更新神经权重相同的方式更新趋势模型参数，在理论上没有问题。

问题是，我没有管理如何在 Encog 中做到这一点。学习规则很难理解，因为它们被写得越快越好。我也认为，Encog 中的神经网络结构是固定的，所以仅仅扩展参数向量并重写误差函数和梯度公式并不是那么简单。

我已经为我的搜索实现了弹性搜索，并且有一种很好的感觉，它可以很容易地用于寻找趋势，但它只是我的舌尖，人们将如何开始做这样的事情。谁能指出我正确的方向或给我一些关键字以进一步研究可能使这成为可能？

我正在尝试使用趋势功能根据过去的销售历史来预测销售。每个月的实际销售额都返回了 6 位数的值，但下个月的趋势输出返回的是 5 位数的值。在下面的最后 6 个月中，使用公式 TREND(A1:A6,B1:B6,B7) 我得到 41,655.43

有人可以给我一些建议吗？我不明白这是如何跟随趋势的，它不应该下降这么多。

我试图在 Theil-Sen 斜率估计中使用日期作为我的 X 变量，但我在使用 R 包 zyp 时遇到了困难

然后我收到以下错误：

我也在尝试使用zyp.trend.dataframe(df, 1)，但我基本上一无所获：

我假设我错误地访问了 zyp。有谁知道我做错了什么？

TIA

我正在寻找一种方法来使用 MATLAB 填充包含周期性数据的时间序列中的数据间隙（在这种情况下，频率等于潮汐频率，因此包括半昼夜和春季/间歇频率）。数据系列还包含噪声，我想将其叠加在填补时间间隙的人工数据之上。数据有一定的趋势，我想保留。理想情况下，我会研究一种在时间间隔两侧使用记录数据的方法。

无论如何在Matlab中这样做吗？

谢谢你。

唐纳德·约翰

假设我有一个包含开始日期和结束日期的项目列表。我也有一系列的周，变化（可能超过几个月、几年等）我想显示一个图表，每周显示 4 个值：

1. 项目启动
2. 关闭的项目
3. 开工项目总数
4. 关闭的项目总数

我可以遍历每周值的范围，并且每周遍历我的项目列表并计算每周这 4 个趋势中的每一个的值。这将具有算法复杂性O(nm)，n是周列表的长度，并且m是项目列表的长度。那不是很好。有没有更有效的方法，如果有，会是什么？

如果它是相关的，我正在用 Java 编码

我有一个 R 数据框，它描述了产品销售的演变。每季度有 2000 家商店，有 5 列（即 5 个时间段）。我想知道如何用 R 分析它。

我已经试着做了一些基本的分析，就是先确定第1期、第2期等的平均销售额，然后确定每个期的平均数，然后比较每个店铺的相对演变情况这种普遍的演变。例如，第一期总共有 50 000 个销售额，第 5 期总共有 35 000 个销售额，所以我假设每个商店在第 5 期的正常销售额是 35/55=0.63*第 1 期的金额period's sale：如果店铺X在第一期卖出了100件，我假设它在第五期正常应该卖出63件。

显然，这是一种容易做到的方法，但在统计上并不相关。

我想要一种方法，使我能够确定最小化我的 R 方的趋势抑制。我的目标是能够通过中和总体趋势来分析商店的销售额：我想通过统计上正确的方法准确地知道哪些是表现不佳的商店，哪些是表现出色的商店。

我的数据框的结构是这样的：

我试图将我的时间序列放在一个成功的列表中，具有以下功能：

尽管如此，我还是无法对这个变量做任何事情。我不能做任何情节（使用“情节”功能），因为有 2200 行（所以 R 想让我连续绘制 2200 个情节，显然这不是我想要的）。

另外，我不知道如何确定每个商店每个时期的销售的理论趋势和理论值......

谢谢您的帮助！（和圣诞快乐）

我正在创建以下输出，并且正在寻找一种基于前几个月结果预测 NULL 值的简单方法。我想说的是 - 如果值为 NULL，则计算过去 4 个月的平均增长并将其应用于该月数。

请问有什么办法可以在SQL中做到这一点吗？谢谢！

Year month N30 N3 N6 N12 2013 1 £23.62 £43.70 £68.96 £104.67 2013 2 £26.13 £50.05 £84.58 £153.97 2013 3 £21.39 £41.16 £62.07 £97.59 2013 4 £21.88 £43.62 £62.66 £94.08 2013 5 £19.06 £31.97 £51.56 £78.86 2013 6 £24.88 £60.32 £79.72 £112.66 2013 7 £16.36 £34.64 £59.30 £85.83 2013 8 £18.98 £36.75 £52.99 £76.60 2013 9 £15.96 £33.70 £57.15 £98.41 2013 10 £15.44 £34.07 £51.69 £75.03 2013 11 £16.88 £38.23 £58.21 £93.72 2013 12 £9.61 £27.78 £46.04 £76.72 2014 1 £16.39 £34.63 £50.47 £87.18 2014 2 £7.59 £26.34 £43.65 NULL 2014 3 £7.22 £21.90 £41.99 NULL 2014 4 £6.50 £22.57 £46.98 NULL 2014 5 £2.80 £23.26 £43.24 NULL 2014 6 £4.96 £27.18 £49.08 NULL 2014 7 £10.06 £35.43 £71.86 NULL 2014 8 £7.53 £31.20 NULL NULL 2014 9 £10.60 £29.21 NULL NULL 2014 10 £2.19 £23.38 NULL NULL 2014 11 £7.82 NULL NULL NULL