作为业余爱好，我一直在探索预测时间序列（特别是使用 R）。

对于我的数据，我有每天的访问次数，每天可以追溯到近 4 年。在这个数据中有一些不同的模式：

1. 周一至周五有很多访问量（周一/周二最高），但周六至周日则大幅减少。
2. 一年中的某些时候下降（即美国假期前后访问量减少，夏季显示增长较少）
3. 逐年显着增长

如果能够使用这些数据预测即将到来的一年，并使用它来进行季节性调整的月度增长，那就太好了。月度视图让我大吃一惊的主要事情是：

• 某些月份的星期一/星期二会比其他月份多（而且多年来也不一致）。因此，发生在更多工作日的月份需要相应调整。

探索周似乎也很困难，因为周编号系统会根据年份从 52 到 53 变化，而且似乎ts无法处理。

我正在考虑取一个月中工作日的平均值，但结果单位有点奇怪（平均工作日访问量的增长），这将丢弃有效的数据。

我觉得这种数据在时间序列中很常见（例如，办公楼的用电量可能是这样的），任何人对如何建模它有任何建议，特别是在 R 中？

我正在使用的数据非常简单，它开始于：

            [,1]
2008-10-05 17607
2008-10-06 36368
2008-10-07 40250
2008-10-08 39631
2008-10-09 40870
2008-10-10 35706
2008-10-11 18245
2008-10-12 23528
2008-10-13 48077
2008-10-14 48500
2008-10-15 49017
2008-10-16 50733
2008-10-17 46909
2008-10-18 22467

这种情况一直持续到现在，总体呈增长趋势，在美国假期周期间有所下降，夏季增长普遍放缓。