R中秒/分钟间隔数据的“频率”值

机器算法验证 r 时间序列 有马 多重季节性 马佩
2022-01-23 19:34:11

我正在使用 R(3.1.1) 和 ARIMA 模型进行预测。如果我使用时间序列数据，我想知道函数中分配的“频率”参数应该是什么：ts()

  1. 以分钟为单位，分布在 180 天内（1440 分钟/天）
  2. 以秒为单位，分布在 180 天（86,400 秒/天）内。

如果我记得正确的定义，R中ts中的“频率”是每个“季节”的观察次数。

问题第 1 部分：

就我而言，什么是“季节”？

如果季节是“天”，那么分钟的“频率”= 1440 和秒的 86,400？

问题第 2 部分：

“频率”是否也取决于我想要实现/预测的目标？ 例如，就我而言，我想要一个非常短期的预测。每次提前10分钟。 那么是否可以将季节视为一个小时而不是一天？ 在那种情况下，频率 = 60 分钟，频率 = 3600 秒？

例如，我尝试将频率 = 60 用于分钟数据，并且与频率 = 1440 相比获得了更好的结果（fourierHyndman 使用见下面的链接） http://robjhyndman.com/hyndsight/forecasting-weekly-data/

（比较是使用 MAPE 来衡量预测准确性）

如果结果是完全任意的，并且频率不能改变。在我的数据上使用 freq = 60 的实际解释是什么？

我还认为值得一提的是，我的数据包含每小时和每两小时的季节性（通过观察原始数据和自相关函数）

1个回答

“频率”是每个“周期”（通常是一年，但有时是一周、一天、一小时等）的观察次数。这与物理学或傅里叶分析中频率的定义相反，其中“周期”是周期的长度，“频率”是周期的倒数。在 R 中使用该ts()函数时，应使用以下选项。

Data      frequency
Annual     1
Quarterly  4
Monthly   12
Weekly    52

实际上，一年没有 52 周，而是平均 365.25/7 = 52.18。但是大多数使用ts对象的函数都需要整数频率。

一旦观察频率小于一周，那么通常有不止一种处理频率的方法。例如，每分钟观察到的数据可能具有每小时季节性（频率=60）、每日季节性（频率=24x60=1440）、每周季节性（频率=24x60x7=10080）和年度季节性（频率=24x60x365.25= 525960）。如果你想使用一个ts对象，那么你需要决定哪些是最重要的。

另一种方法是使用处理多个季节性时间序列的msts对象（在包中定义）。forecast然后您可以指定所有可能相关的频率。它也足够灵活，可以处理非整数频率。

您不一定要包括所有这些频率——只是那些可能出现在数据中的频率。由于您只有 180 天的数据，您可能可以忽略年度季节性。如果数据是对自然现象（例如温度）的测量，您也可以忽略每周的季节性。

对于多个季节性，您可以在回归或 ARIMA 模型中使用 TBATS 模型或傅里叶项。预测包中的fourier函数将处理msts对象。

其它你可能感兴趣的问题
上一篇何时使用 GAM 与 GLM 下一篇如何用 R 拟合 ARIMAX 模型？