非季节性时间序列预测
Non-Seasonal Time Series Forcast
全部 -
我正在研究一个没有季节性的时间序列的预测模型。在其他领域，我对单季的区域使用 ARIMA，对多季的区域使用 TBATS。但是，现在，我正在处理一个没有季节性的时间序列。我希望做一些基本的预测。我正在处理大约 1.5 年的数据——每天获取。时间序列图如下所示（由于我在 Whosebug 上的状态，我还不能 post 图片，但这是图片的 link：
http://107.170.210.195/Rplot.png
现在，鉴于这不是季节性的，我以这种方式构建我的时间序列：
incidentBacklogRolling12DailyTS <- ts(incidentBacklogRolling12Daily$Count, start=c(2014,327), frequency=365.25)
这可能是也可能不是正确的方法，但我在这里遵循我的直觉......然后我尝试了各种预测方法 - 显然 ARIMA 和 TBATS 已经过时了。但是我尝试了 ETS（看起来很有希望）和 STL。两者都会导致从最后一点延伸出某种 "straight line"。现在，我知道我的时间序列最后看起来确实很平坦，但有一点波动。我还对 HoltWinters 进行了实验，它产生了极其准确的拟合，但预测再次是一条直线，这次是向下倾斜的。我希望对于像这个这样的非季节性系列来说可能有一个很好的模型。
有没有人对尝试的模型（可能还有该模型的参数）有建议。也许我正在使用的是努力尝试 - 也许有一个我没有看到的简单解决方案。感谢您的任何建议！
在过去一周左右的时间里对此进行研究，我想 post 我为将来研究此问题的任何人提供我的解决方案。我发现了一些 material post 由 Rob Hyndman（来自墨尔本的该领域的研究员）编辑的内容。我发现在他的一次演讲中，他建议对这些项目使用 auto.arima() 函数。我发了。 Hyndman 博士在一张纸条上建议使用 ETS。由于没有可检测的潜在模式或季节性，您需要根据最新数据进行预测，您可以使用 AIRMA 和 ETS 等方法进行预测。我对它们都进行了尝试，并能够根据数据获得可接受的结果。感谢所有阅读本文的人，正如我所说，我只是想为可能遇到相同问题的任何其他人提供我的解决方案。
全部 -
我正在研究一个没有季节性的时间序列的预测模型。在其他领域，我对单季的区域使用 ARIMA，对多季的区域使用 TBATS。但是，现在，我正在处理一个没有季节性的时间序列。我希望做一些基本的预测。我正在处理大约 1.5 年的数据——每天获取。时间序列图如下所示（由于我在 Whosebug 上的状态，我还不能 post 图片，但这是图片的 link：
http://107.170.210.195/Rplot.png
现在，鉴于这不是季节性的，我以这种方式构建我的时间序列：
incidentBacklogRolling12DailyTS <- ts(incidentBacklogRolling12Daily$Count, start=c(2014,327), frequency=365.25)
这可能是也可能不是正确的方法，但我在这里遵循我的直觉......然后我尝试了各种预测方法 - 显然 ARIMA 和 TBATS 已经过时了。但是我尝试了 ETS（看起来很有希望）和 STL。两者都会导致从最后一点延伸出某种 "straight line"。现在，我知道我的时间序列最后看起来确实很平坦，但有一点波动。我还对 HoltWinters 进行了实验，它产生了极其准确的拟合，但预测再次是一条直线，这次是向下倾斜的。我希望对于像这个这样的非季节性系列来说可能有一个很好的模型。
有没有人对尝试的模型（可能还有该模型的参数）有建议。也许我正在使用的是努力尝试 - 也许有一个我没有看到的简单解决方案。感谢您的任何建议！
在过去一周左右的时间里对此进行研究，我想 post 我为将来研究此问题的任何人提供我的解决方案。我发现了一些 material post 由 Rob Hyndman（来自墨尔本的该领域的研究员）编辑的内容。我发现在他的一次演讲中，他建议对这些项目使用 auto.arima() 函数。我发了。 Hyndman 博士在一张纸条上建议使用 ETS。由于没有可检测的潜在模式或季节性，您需要根据最新数据进行预测，您可以使用 AIRMA 和 ETS 等方法进行预测。我对它们都进行了尝试，并能够根据数据获得可接受的结果。感谢所有阅读本文的人，正如我所说，我只是想为可能遇到相同问题的任何其他人提供我的解决方案。