J'utilise actuellement R pour prédire une série chronologique avec ces instructions:
X <- ts(datas, frequency=24)
X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1))
pred <- predict(X.arima, n.ahead=24)
plot.ts(pred$pred)
Comme vous pouvez le voir, j'ai des données toutes les heures, et j'ai choisi la période saisonnière de 24 (un jour).
Je voudrais améliorer mes prévisions en utilisant une période saisonnière supplémentaire afin d'inclure la composante saisonnière de la semaine (durée saisonnière de 7 * 24 = 168 données)
Existe-t-il une méthode pour cela? Comment faites-vous?
MISE À JOUR: J'ai lu cette (votre) page de blog, puis-je utiliser les régresseurs externes pour simuler une deuxième période saisonnière?
Réponses:
Il n'y a pas de packages R qui gèrent la saisonnalité multiple pour les modèles ARIMA à ma connaissance. Vous pouvez essayer le
forecast
package qui implémente la saisonnalité multiple en utilisant des modèles basés sur le lissage exponentiel. Lesdshw
,bats
ettbats
fonctions seront toutes les données de poignée avec deux périodes saisonnières.la source
J'ai trouvé ce papier :
Il s'agit de prédire la prévision du trafic sur le réseau mobile à l'aide de l'ARIMA double saisonnier automatique. Comme il s'agit d'un document de recherche, il a clairement décrit l'algorithme que l'on peut adopter pour adopter la prédiction ARIMA multi-saisonnière. Jusqu'à présent, cela m'a donné suffisamment de connaissances pour poursuivre mes recherches.
la source