Zacznij terazZacznij za darmo

Modele TBATS dla zapotrzebowania na energię elektryczną

Jak pokazano w filmie, model TBATS to szczególny rodzaj modelu szeregów czasowych. Jego estymacja może być bardzo wolna, zwłaszcza w przypadku szeregów z wieloma sezonowościami – dlatego w tym ćwiczeniu przetestujesz go na prostszym szeregu, aby zaoszczędzić czas. Przyjrzyjmy się składnikom modelu TBATS na przykładzie TBATS(1, {0,0}, -, {<51.18,14>}), jednego z tytułów wykresów z filmu:

Składnik Znaczenie
1 Parametr transformacji Boxa-Coxa
{0,0} Błąd ARMA
- Parametr tłumienia
{\<51.18,14>} Okres sezonowości, składniki Fouriera


Zbiór danych gas zawiera miesięczne dane o produkcji gazu w Australii. Wykres danych pokazuje, że wariancja znacznie zmieniała się w czasie – konieczna jest zatem transformacja. Kształt sezonowości również zmieniał się w czasie, a sam szereg wykazuje silny trend. To sprawia, że jest to idealny szereg do przetestowania funkcji tbats(), która została zaprojektowana właśnie z myślą o takich cechach.

gas jest dostępny w twoim środowisku roboczym.

To ćwiczenie jest częścią kursu

Prognozowanie w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Narysuj wykres gas za pomocą standardowej funkcji.
  • Dopasuj model TBATS do danych gas, korzystając z nowo poznanej metody, i zapisz go jako fit.
  • Prognozuj szereg na kolejne 5 lat i zapisz wynik jako fc.
  • Narysuj wykres prognoz fc. Przeanalizuj tytuł wykresu, korzystając z powyższej tabeli.
  • Zapisz parametr Boxa-Coxa zaokrąglony do 3 miejsc po przecinku oraz rząd składników Fouriera odpowiednio do zmiennych lambda i K.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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 <- ___
Edytuj i uruchom kod