시계열 모델링: 농도안녕하세요 여러분,
저는 JMP Pro 16에서 오늘 날짜까지 외삽된 개별 샘플의 화학물질의 시계열 농도를 예측하기 위한 최상의 모델링 접근 방식에 대해 논의하려고 합니다. JMP의 시계열 함수는 시계열이 속하는 범위를 나타내는 데이터의 확산을 예측하지만, 저는 더 많은 양을 얻고 개별 샘플 농도가 어떻게 보일지 예측하고 싶습니다. 예를 들어 2021년에 20개의 샘플이 있다면 스프레드는 어떻게 될까요? 그런 다음 이 20개의 샘플을 사용하여 2021년 농도의 중앙값/기하학적 평균을 추정할 수 있습니까?
아니면 x 인자가 되는 날짜를 기반으로 다변량 화학 데이터의 농도를 예측하는 신경망 접근 방식을 취합니까? 이것을 시도할 때 나는 물리적으로 가능하지 않은 음의 농도를 얻습니다(그러나 모델은 분명히 그것을 알지 못합니다). 데이터의 이전 확산을 기반으로 실제 값을 예측하도록 데이터를 제한하는 방법은 무엇입니까?
해석학Re: 시계열 모델링: 농도이것이 효과가 있을지 확실하지 않지만 확산에 관심이 있고 JMP Pro를 실행하고 있기 때문에 일반화 회귀 플랫폼에서 분위수 회귀 특성을 사용해 볼 수 있습니까? 스프레드에 대한 95% 분위수 또는 중앙값에 대한 50% 분위수를 맞출 수 있습니다. 도움이 될지 확신할 수 없지만 시도해 볼 가치가 있습니까?
Re: 시계열 모델링: 농도무엇과 함께 @P_바텔 제안된 대로 모델링하기 전에 먼저 Y를 로그 변환한 다음 예측을 역변환할 수 있습니다. 그러면 부정적인 예측 문제가 해결될 수 있습니다.
그 외에도 "X에 대한 분포 변화"를 모델링하는 다른 접근 방식이 있습니다. 예를 들어: 핏 라이프 바이 X , 일반화 회귀 , 무엇보다도.
