1. Nauka
    2. /
  2. Kursy
    3. /
  3. Prognozowanie w R
Connected

ćwiczenie

Regresja harmoniczna dla wielokrotnej sezonowości

Regresje harmoniczne sprawdzają się również wtedy, gdy szereg czasowy wykazuje wiele wzorców sezonowych. Na przykład zbiór taylor zawiera półgodzinne dane dotyczące zapotrzebowania na energię elektryczną w Anglii i Walii na przestrzeni kilku miesięcy roku 2000. Okresy sezonowe wynoszą 48 (sezonowość dobowa) oraz 7 x 48 = 336 (sezonowość tygodniowa). Danych jest zbyt mało, aby uwzględnić sezonowość roczną.

Dopasowanie auto.arima() do tak długiego szeregu czasowego zajęłoby dużo czasu. Zamiast tego dopasujesz standardowy model regresji z członami Fouriera, korzystając z funkcji tslm(). Działa ona podobnie do lm(), ale jest zaprojektowana z myślą o szeregach czasowych. W przypadku wielokrotnej sezonowości należy podać rząd \(K\) dla każdego z okresów sezonowych.

# Argument formula to symboliczny opis
# modelu, który ma zostać dopasowany

> args(tslm)
function (formula, ...)

tslm() to nowo wprowadzona funkcja – w dużej mierze będziesz mógł śledzić gotowy kod. Zbiór danych taylor jest już wczytany do twojego środowiska pracy.

Instrukcje

100 XP
  • Dopasuj regresję harmoniczną o nazwie fit do danych taylor, używając rzędu 10 dla każdego typu sezonowości.
  • Wygeneruj prognozę fc na 20 dni roboczych naprzód. Pamiętaj, że dane są półgodzinne – uwzględnij to przy ustawianiu wartości h.
  • Stwórz wykres czasowy prognoz.
  • Sprawdź reszty dopasowanego modelu. Jak widać, auto.arima() poradziłoby sobie z tym lepiej.