時系列予測JMP 17.1 で次のような人工データを作成しました。
数年分のデータを含む 1 年の期間があります。365 日の季節性を使用した場合、周期性は予測されませんでした。理由がわからない。誰もこれを見たことがありますか？ありがとう！
@jiancao
Re: 時系列予測TSF は、毎日のデータをうまく予測しません。@peng_liuコメントしてください。 ありがとう！
TSプラットフォームで旬のARIMAを食べてみました。以下は、それが見つける最良のモードです。 (ARIMA Model Group オプションを使用して合計 64 個のモデルを実行しました)
スペクトル密度 (下記) によると、このデータには複数の季節成分があるようです。季節 ARIMA モデルは、複数の季節パターンを説明できません。
毎日の平均気温のデータセットがあります。そのスペクトル密度:
季節の ARIMA は、このデータに非常によく適合します。
Re: 時系列予測ありがとう、 @jiancao追加することはあまりありません。 あなたの解決策をのぞくまで、あなたが得たものに近づくことさえできませんでした。
シリーズがどのようにシミュレートされているかを見ると、これはかなり複雑なプロセスです。 基礎には、3 つの非季節系列とそれらの二乗が含まれ、次にそれらすべての加重和がまとめられ、レジームが切り替えられた正弦波が追加されます。 また、正弦波自体も支配的な信号ではありません。 ACF を見ると、かなり長いメモリがあります。 このラウンドはARIMAが勝ちます。
Re: 時系列予測ありがとう、 @peng_liu TSF を調べるため。 私のポイントは、特に予測するシリーズが複数ある場合は、最初に TSF を試すことです。失敗したら、TS プラットフォームに移動して、有馬モデルグループ特徴。次のような低次 ARIMA モードのグループを当てはめます: ( ##期間ごとの #obs です。この場合は 365):
Re: 時系列予測数値編集ボックスの幅を 18 に広げて、365 が表示されるようにします。
Re: 時系列予測ありがとうジアン！TSF で問題が解決しない場合は、TS に戻ることが次善の策であることがわかってうれしいです。
チャーリー
