调整 DSHW 模型的正确方法是什么？

Question

我正在处理具有两个季节性的时间序列问题（数据：https://drive.google.com/drive/folders/1okMUkBj2W2nF9NkoX4igq2-7QP-cgnSO?usp=sharing），我遇到了这种称为双季节性 Holt-Winters(DSHW) 的方法，它非常适用于具有两个季节性的数据.

这是到目前为止的代码，与 SARIMA 模型相比，预测看起来更好，但残差 acf 和 pacf 图仍然显示季节性期间的显着相关性，这意味着没有有效地捕获季节性。

seas_data = read.csv("CNERURN.csv")
data = ts(seas_data$CNERURN[0:531], frequency = 96) 
t = msts(data, seasonal.periods = c(12, 12*8))

# dswh

fcast <- dshw(t,
              h = 150,
              alpha = 0.30,
              beta = 0.027,
              gamma = 0.88,
              omega = 0.7,
              #lambda="auto",
              phi = NULL)
autoplot(fcast)

forecast

acf pacf

我想知道是否有适当的方法来调整参数 alpha、beta、gamma 和 omega，因为它们是决定因素。我检查了 https://www.rdocumentation.org/packages/forecast/versions/8.16/topics/dshw 知道每个参数控制什么，但无法正确调整它们（尤其是 alpha）。如有任何建议，我们将不胜感激。

Answer 1

dshw() 函数将通过最小化 MSE 来估计所有参数。所以只要不指定它们，一切都会正常工作。

fcast <- dshw(t)

调整 DSHW 模型的正确方法是什么？

What is the proper way to tune a DSHW model?

r

time-series

forecasting