1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Dự báo bằng R
Connected

Bài tập

Dự báo nhu cầu điện

Bạn cũng có thể mô hình hóa nhu cầu điện hằng ngày theo nhiệt độ. Như bạn có thể thấy trên hóa đơn điện, nhiều điện được sử dụng vào những ngày nóng do điều hòa và vào những ngày lạnh do sưởi.

Trong bài tập này, bạn sẽ khớp một mô hình hồi quy bậc hai với sai số ARMA. Một năm dữ liệu hằng ngày được lưu trong elecdaily, bao gồm tổng nhu cầu hằng ngày, một biến chỉ báo cho ngày làm việc (ngày làm việc được biểu diễn bằng 1, và ngày không làm việc bằng 0), và nhiệt độ tối đa hằng ngày. Vì có tính mùa vụ theo tuần, frequency đã được đặt là 7.

Hãy xem ba hàng đầu tiên:

> elecdaily[1:3, ]
       Demand Temperature Workday
[1,] 174.8963        26.0       0
[2,] 188.5909        23.0       1
[3,] 188.9169        22.2       1

elecdaily đã được nạp sẵn vào không gian làm việc của bạn.

Hướng dẫn

100 XP
  • Vẽ biểu đồ theo thời gian chỉ cho nhu cầu hằng ngày và nhiệt độ tối đa, có tách ô (facetting).
  • Thiết lập một ma trận biến giải thích gồm MaxTemp cho nhiệt độ tối đa, MaxTempSq là giá trị bình phương của nhiệt độ tối đa, và Workday, theo đúng thứ tự đó. Rõ ràng, đối số thứ hai của cbind() sẽ cần một toán tử toán học đơn giản.
  • Khớp một mô hình hồi quy động cho cột nhu cầu với sai số ARIMA và đặt tên là fit.
  • Nếu ngày tiếp theo là ngày làm việc (biến chỉ báo là 1) với nhiệt độ tối đa dự báo 20°C, nhu cầu dự báo là bao nhiêu? Điền các giá trị phù hợp vào cbind() cho đối số xreg trong forecast().