시계열 예측JMP 17.1에서 다음과 같은 일부 인공 데이터를 생성했습니다.
몇 년 분량의 데이터가 포함된 1년의 기간이 있습니다.365일이라는 계절성을 사용했을 때 어떤 주기성도 예측하지 못했습니다.이유를 모르겠습니다.전에 이것을 본 사람이 있습니까?감사해요!
@jiancao
Re: 시계열 예측TSF는 일일 데이터를 잘 예측하지 못합니다.@peng_liu 의견을 부탁합니다. 감사해요!
TS 플랫폼에서 계절성 ARIMA를 시도했습니다.아래는 찾은 최상의 모드입니다. (ARIMA 모델 그룹 옵션을 사용하여 총 64개의 모델을 실행했습니다.)
스펙트럼 밀도(아래)에 따라 이 데이터에는 여러 계절성 구성 요소가 있는 것 같습니다.계절 ARIMA 모델은 여러 계절 패턴을 설명할 수 없습니다.
일일 평균 기온 데이터 세트가 있습니다.스펙트럼 밀도:
계절성 ARIMA는 이 데이터에 매우 적합합니다.
Re: 시계열 예측감사해요, @jiancao 추가할 내용이 많지 않습니다. 귀하의 솔루션을 들여다보기 전까지는 귀하가 얻은 것에 가까이 갈 수 없었습니다.
시리즈가 시뮬레이션되는 방식을 살펴보면 다소 복잡한 프로세스입니다. 기초에는 3개의 비계절 시리즈와 해당 제곱이 포함되며, 그런 다음 이들 모두의 가중 합계가 포함되며 정권 전환 사인파가 추가됩니다. 그리고 사인파 자체도 우세한 신호가 아닙니다. 그리고 ACF를 보면 메모리가 꽤 깁니다. ARIMA가 이번 라운드에서 승리합니다.
Re: 시계열 예측감사해요, @peng_liu TSF를 조사하기 위해. 내 교훈은 특히 예측할 여러 시리즈가 있을 때 TSF를 먼저 시도한다는 것입니다.실패하면 TS 플랫폼으로 이동하여 ARIMA 모델 그룹 특징.다음과 같이 저차 ARIMA 모드 그룹을 맞춥니다. ## 기간당 #obs입니다. 이 경우 365):
Re: 시계열 예측숫자 편집 상자 너비를 18로 확장하여 365가 표시될 수 있도록 합니다.
Re: 시계열 예측고마워 지안!TSF에서 문제가 발생하면 TS로 돌아가는 것이 차선책이라는 사실을 알게 되어 기쁩니다!
백인
