Modèles TBATS pour la demande d’électricité
Comme vous l’avez vu dans la vidéo, un modèle TBATS est un type particulier de modèle de séries temporelles. Il peut être très long à estimer, surtout avec des séries à multiples saisonnalités ; dans cet exercice, vous allez donc l’essayer sur une série plus simple pour gagner du temps. Décomposons les éléments d’un modèle TBATS dans TBATS(1, {0,0}, -, {<51.18,14>}), l’un des titres de graphiques de la vidéo :
| Composant | Signification |
|---|---|
| 1 | Paramètre de transformation de Box-Cox |
| {0,0} | Erreur ARMA |
| - | Paramètre d’amortissement |
| {\<51.18,14>} | Période saisonnière, termes de Fourier |
Les données gas contiennent la production mensuelle de gaz en Australie. Le graphique des données montre que la variance a beaucoup évolué au fil du temps, d’où la nécessité d’une transformation. La saisonnalité a également changé de forme au fil du temps, et la tendance est marquée. Cela en fait une série idéale pour tester la fonction tbats(), conçue pour gérer ces caractéristiques.
gas est disponible dans votre espace de travail.
Cet exercice fait partie du cours
Prévision en R
Instructions
- Tracez
gasavec la fonction de tracé standard. - Ajustez un modèle TBATS à l’aide de la méthode nouvellement présentée sur les données gas sous le nom
fit. - Prévisionnez la série pour les 5 prochaines années sous le nom
fc. - Tracez les prévisions de
fc. Vérifiez le titre du graphique en vous référant au tableau ci-dessus. - Enregistrez le paramètre de Box-Cox avec 3 décimales et l’ordre des termes de Fourier dans
lambdaetK, respectivement.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Plot the gas data
___(___)
# Fit a TBATS model to the gas data
fit <- ___(___)
# Forecast the series for the next 5 years
fc <- ___(___)
# Plot the forecasts
___(___)
# Record the Box-Cox parameter and the order of the Fourier terms
lambda <- ___
K <- ___