将模型拟合到高频时间序列并使用寓言进行短期预测

Question

我有一个具有相当高频率（15 分钟）的值的时间序列。时间序列没有缺失值，并显示一些每日和每周的周期性成分。

我正在尝试在 R 中使用 fable 对其建模，但我似乎找不到任何像样的结果，我想知道我是否做错了什么。

这是我的代码，使用可下载的示例数据集：

library(tsibble)
library(fable)
library(dplyr)
library(lubridate)

download.file("https://srv-file7.gofile.io/download/9yo0cg/so_data.csv", destfile = "so_data.csv", method = "wget")
csv = read.csv("so_data.csv") %>%
    mutate(time = ymd_hms(time)) %>%
    as_tsibble(index = time)

# Take a look
csv %>% summary
csv %>% autoplot

这是时间序列：如您所见，它非常有规律，每天都有很好的周期性。让我们尝试使用一些模型的默认设置对其进行建模：

csv %>%
    model(
        ets = ETS(value),
        arima = ARIMA(value),
        snaive = SNAIVE(value)
    ) %>%
    forecast(h = "1 week") %>%
    autoplot(csv)

所有这些都失败了：

我对这个过程的有限理解在这里显然是错误的，默认值在这种情况下没有用。然而，我尝试调整它们，不幸的是，我无法捕捉到更好的东西。无论如何，由于我是该领域的菜鸟，我不明白这是否是由于：

我没有设置正确的默认参数（我应该更深入地研究 fable 的 reference book）
我可用的数据有限（时间序列短，只有几个月）
该方法不适用于快速变化的数据（每日和每周重复模式）
我的代码中的问题

Answer 1

您的 15 分钟频率数据显示出多种季节性模式。这些模型产生的预测质量很差，因为它们并非旨在捕获这些模式（因此它们不是）。

您的代码看起来不错，并且（在视觉上）数据似乎具有合适的模型应该捕获的强大模式。

目前有两个更复杂的模型可以与寓言一起使用，它们应该能够捕捉多种季节性模式，从而为您提供更好的预测。他们是：

更快（https://github.com/tidyverts/fasster）
先知(https://github.com/facebook/prophet) with the fable interface (https://github.com/mitchelloharawild/fable.prophet/)

将模型拟合到高频时间序列并使用寓言进行短期预测

Fitting a model to a high frequency timeseries and forecasting on the short term using fable

r

time-series

forecasting

tsibble

fable-r