时间序列预测我在 JMP 17.1 中创建了一些人工数据，如下所示：
它有一年的时间段和几年的数据。当我使用 365 天的季节性时，它没有任何周期性的预测。不知道为什么。有人见过这个吗？谢谢！
@剑草
回复：时间序列预测TSF 没有很好地预测每日数据。@彭刘请给出意见。 谢谢！
我在 TS 平台上尝试了季节性的 ARIMA。下面是它找到的最佳模式。 （我使用 ARIMA 模型组选项总共运行了 64 个模型）
根据频谱密度（下图），该数据中似乎有多个季节性成分。季节性 ARIMA 模型无法解释多个季节性模式。
我有一组日平均温度数据。其谱密度：
季节性 ARIMA 非常适合此数据
回复：时间序列预测谢谢， @剑草我没有太多要补充的。 在我窥视您的解决方案之前，我什至无法接近您所得到的。
看这个系列是如何模拟的，这是一个相当复杂的过程。 基础包括三个非季节性系列和它们的平方，然后将它们一起加权和，然后添加一个状态切换的正弦波。 而且正弦波本身也不是主导信号。 看看 ACF，它的内存相当长。 ARIMA 在这一轮中获胜。
回复：时间序列预测谢谢， @彭刘用于调查 TSF。 我的收获是首先尝试 TSF，尤其是当您有多个系列要预测时。失败后去TS平台运行ARIMA 模型组特征。像这样拟合一组低阶 ARIMA 模式：( ##是每个时期的#obs；在本例中为 365）：
回复：时间序列预测我将数字编辑框的宽度扩大到 18，这样 365 就可以显示出来了。
回复：时间序列预测谢谢健！很高兴知道如果事情在 TSF 中不起作用，那么返回 TS 是下一个最好的选择！
查理
