电力需求的 TBATS 模型
正如您在视频中看到的，TBATS 模型是一类特殊的时间序列模型。它在估计时可能非常耗时，尤其是用于具有多重季节性的时间序列。因此本练习将先在一个更简单的序列上尝试，以节省时间。让我们分解视频中图表标题 TBATS(1, {0,0}, -, {<51.18,14>}) 的组成要素：
| Component | Meaning |
|---|---|
| 1 | Box-Cox transformation parameter |
| {0,0} | ARMA error |
| - | Damping parameter |
| {\<51.18,14>} | Seasonal period, Fourier terms |
gas 数据包含澳大利亚按月的天然气产量。数据图显示方差随时间变化很大，因此需要进行变换。季节性形状也随时间发生了变化，并且存在明显的趋势。这使得该序列非常适合用 tbats() 函数进行测试，该函数正是为处理这些特征而设计的。
gas 已在您的工作区中可用。
本练习是课程的一部分
R 中的预测
练习说明
- 使用标准绘图函数绘制
gas。 - 使用新介绍的方法对 gas 数据拟合一个 TBATS 模型，保存为
fit。 - 将该序列向未来 5 年进行预测，保存为
fc。 - 绘制
fc的预测图。请结合上表查看图表标题。 - 将 Box-Cox 参数和傅里叶项阶数分别保留 3 位小数并保存到
lambda和K。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 <- ___