预测时间序列数据

问题描述 投票：0回答：3

我做了一些研究，但我一直在寻找解决方案。我有一个时间序列数据，非常基本的数据框架，我们称之为

x
：

Date        Used
11/1/2011   587
11/2/2011   578
11/3/2011   600
11/4/2011   599
11/5/2011   678
11/6/2011   555
11/7/2011   650
11/8/2011   700
11/9/2011   600
11/10/2011  550
11/11/2011  600
11/12/2011  610
11/13/2011  590
11/14/2011  595
11/15/2011  601
11/16/2011  700
11/17/2011  650
11/18/2011  620
11/19/2011  645
11/20/2011  650
11/21/2011  639
11/22/2011  620
11/23/2011  600
11/24/2011  550
11/25/2011  600
11/26/2011  610
11/27/2011  590
11/28/2011  595
11/29/2011  601
11/30/2011  700
12/1/2011   650
12/2/2011   620
12/3/2011   645
12/4/2011   650
12/5/2011   639
12/6/2011   620
12/7/2011   600
12/8/2011   550
12/9/2011   600
12/10/2011  610
12/11/2011  590
12/12/2011  595
12/13/2011  601
12/14/2011  700
12/15/2011  650
12/16/2011  620
12/17/2011  645
12/18/2011  650
12/19/2011  639
12/20/2011  620
12/21/2011  600
12/22/2011  550
12/23/2011  600
12/24/2011  610
12/25/2011  590
12/26/2011  750
12/27/2011  750
12/28/2011  666
12/29/2011  678
12/30/2011  800
12/31/2011  750

我真的很感谢任何帮助。我正在处理时间序列数据，需要能够根据历史数据创建预测。

  1. 首先我尝试将其转换为

    xts
    ：

     x.xts <- xts(x$Used, x$Date)

  2. 然后，我将

    x.xts
    转换为常规时间序列：

     x.ts <- as.ts(x.xts)

  3. 将值放入

    ets
    ：

     x.ets <- ets(x.ts)

  4. 进行了10个周期的预测：

     x.fore <- forecast(x.ets, h=10)


  5. x.fore
    是这样的：

        Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
 87       932.9199 831.7766 1034.063 778.2346 1087.605
 88       932.9199 818.1745 1047.665 757.4319 1108.408
 89       932.9199 805.9985 1059.841 738.8103 1127.029
 90       932.9199 794.8706 1070.969 721.7918 1144.048
 91       932.9199 784.5550 1081.285 706.0153 1159.824
 92       932.9199 774.8922 1090.948 691.2375 1174.602
 93       932.9199 765.7692 1100.071 677.2849 1188.555
 94       932.9199 757.1017 1108.738 664.0292 1201.811
 95       932.9199 748.8254 1117.014 651.3717 1214.468
 96       932.9199 740.8897 1124.950 639.2351 1226.605

  6. 当我尝试绘制 

    x.fore
    时，我得到了一个图表，但 x 轴显示的是数字而不是日期：

enter image description here

我正在执行的步骤正确吗？如何更改 x 轴以读取演出日期？

r time-series xts
3个回答
45
投票

这就是我所做的：

x$Date = as.Date(x$Date,format="%m/%d/%Y")
x = xts(x=x$Used, order.by=x$Date)
# To get the start date (305)
#     > as.POSIXlt(x = "2011-11-01", origin="2011-11-01")$yday
##    [1] 304
# Add one since that starts at "0"
x.ts = ts(x, freq=365, start=c(2011, 305))
plot(forecast(ets(x.ts), 10))

结果：

Example output

我们可以从中学到什么：

  • 您可以组合许多步骤，减少您创建的中间对象的数量
  • 输出仍然不如@joran那么漂亮，但仍然很容易阅读。 
    2011.85
    的意思是“第 
    365*.85
    天”（一年中的第 310 天）。
  • 可以使用 
    as.POSIXlt(x = "2011-11-01", origin="2011-11-01")$yday
    计算出一年中的第几天，可以使用 
    as.Date(310, origin="2011-01-01")
    • 之类的东西来计算日期。

更新

您可以放弃更多中间步骤，因为没有理由首先将数据转换为 xts。

x = ts(x$Used, start=c(2011, as.POSIXlt("2011-11-01")$yday+1), frequency=365)
# NOTE: We have only selected the "Used" variable 
# since ts will take care of dates
plot(forecast(ets(x), 10))

这给出了与上图完全相同的结果。

更新2

基于@joran提供的解决方案，您可以尝试：

# 'start' calculation = `as.Date("2011-11-01")-as.Date("2011-01-01")+1`
# No need to convert anything to dates at this point using xts
x = ts(x$Used, start=c(2011, 305), frequency=365)
# Directly plot your forecast without your axes
plot(forecast(ets(x), 10), axes = FALSE)
# Generate labels for your x-axis
a = seq(as.Date("2011-11-01"), by="weeks", length=11)
# Plot your axes.
# `at` is an approximation--there's probably a better way to do this, 
# but the logic is approximately 365.25 days in a year, and an origin
# date in R of `January 1, 1970`
axis(1, at = as.numeric(a)/365.25+1970, labels = a, cex.axis=0.6)
axis(2, cex.axis=0.6)

这将产生：

Second attempt

原始代码中的部分问题是，在将数据转换为 

xts
对象并将其转换为 
ts
对象后，您会丢失 
forecast
点中的日期。

将 

Point
输出的第一列 (
x.fore
) 与以下内容进行比较：

> forecast(ets(x), 10)
         Point Forecast    Lo 80    Hi 80    Lo 95    Hi 95
2012.000       741.6437 681.7991 801.4884 650.1192 833.1682
2012.003       741.6437 676.1250 807.1624 641.4415 841.8459
2012.005       741.6437 670.9047 812.3828 633.4577 849.8298
2012.008       741.6437 666.0439 817.2435 626.0238 857.2637
2012.011       741.6437 661.4774 821.8101 619.0398 864.2476
2012.014       741.6437 657.1573 826.1302 612.4328 870.8547
2012.016       741.6437 653.0476 830.2399 606.1476 877.1399
2012.019       741.6437 649.1202 834.1672 600.1413 883.1462
2012.022       741.6437 645.3530 837.9345 594.3797 888.9078
2012.025       741.6437 641.7276 841.5599 588.8352 894.4523

希望这可以帮助您理解原始方法的问题，并提高您在 R 中处理时间序列的能力。

更新3

最终的、更准确的解决方案——因为我正在避免我现在应该做的其他工作......

使用 

lubridate
包可以更好地处理日期：

require(lubridate)
y = ts(x$Used, start=c(2011, yday("2011-11-01")), frequency=365)
plot(forecast(ets(y), 10), xaxt="n")
a = seq(as.Date("2011-11-01"), by="weeks", length=11)
axis(1, at = decimal_date(a), labels = format(a, "%Y %b %d"), cex.axis=0.6)
abline(v = decimal_date(a), col='grey', lwd=0.5)

结果：

Final plot

请注意确定 

ts
对象开始日期的替代方法。

9
投票

如果您对特定模型没有任何偏好，我建议您使用适用于多种情况的模型：

library(forecast)
t.ser <- ts(used, start=c(2011,1), freq=12)
t.ets <- ets(t.ser)
t.fc <- forecast(t.ets,h=10)

这将为您提供未来 10 个月的预测。

技术性更强，它使用指数平滑方法，对于一般情况来说是一个不错的选择。根据数据的类型，可能有一个更好的模型适合您的使用，但 

ets
是一个不错的通用选择。

需要强调的是，由于您没有完成两个周期（少于 24 个月），因此模型无法检测 Sazonality，因此不会包含在计算中。

8
投票

更改绘图以显示日期相当容易，只需隐藏原始绘图中的轴，然后自己绘制它们即可：

plot(x.fore,axes = FALSE)
axis(2)
axis(1,at = pretty(1:72,n = 6),
       labels = (x$Date[1]-1) + pretty(1:72,n = 6),
       cex.axis = 0.65)

enter image description here

最新问题
© www.soinside.com 2019 - 2024. All rights reserved.