如何了解最佳FASSTER公式

Question

我的数据结构在下面的图像中，并且每小时间隔。我需要预测需求。

# A tsibble: 23,400 x 6 [1h] <UTC>
          Date           Demand WeekDay DaysAfterHoliday Influenza MAX_Temperature
        <dttm>            <int>   <int>            <int>     <dbl>           <dbl>
 1 2017-05-01 00:00:00    122       1                0      1               19.2
 2 2017-05-02 01:00:00    124       2                1      3.04            25.3

...

我知道假期后的第二天，急诊科的患者人数比平时多，但我不能确定该模型是否考虑了这一点。该数据具有每日，每周和每年的季节性（尤其是固定假日）。

对于多个季节，我可以使用FASSTER处理假日影响。我阅读了有关此文档和某些演示文稿的r文档页面，但是在这种情况下，季节性和预测公式将赋予以下函数：

# NOT RUN {
cbind(mdeaths, fdeaths) %>%
  as_tsibble %>%
  model(FASSTER(mdeaths ~ fdeaths + poly(1) + trig(12)))

# }

有没有一种方法可以使FASSTER搜索最合适的公式？如果没有，我怎么知道哪种方法最好？

谢谢你！

Answer 1

fasster软件包当前不提供任何自动选择模型（https://github.com/tidyverts/fasster/issues/50）的功能。

要确定合适的Fasster模型规范，您可以首先以图形方式浏览数据以识别其结构。您可能会考虑的一些问题包括：

• 您的数据是否季节性？需要哪个季节？[通过fourier(period, K)或season(period)用傅立叶项包含季节性。通常，最好使用fourier()项，因为可以指定谐波数（K）来控制季节性的平滑度并减少模型参数。
• 您的数据包括水平还是局部趋势？[包含一个带有poly(1)的水平或一个带有poly(2)的趋势。
• 是否存在潜在的外源回归因子（电力需求中的温度就是一个很好的例子。] >>以与在lm()中相同的方式包括外生回归变量。
• 数据中的模式是否以可预测的方式交替（例如，工作日和周末的季节性。）
使用%S%在这些样式之间切换。例如，对于工作日和周末有不同的季节性模式，您可以考虑day_type %S% (fourier("day", K = 7))，其中day_type是模型中的变量，用于指定一天是工作日还是周末。

一种在假期后捕获患者增加的简单方法是将DaysAfterHoliday包括为外源性回归因子。由于这种关系可能是非线性的，因此您可能还需要将此变量的某些非线性转换作为外生回归变量。