R 中的时间序列预测，单变量时间序列

Question

我目前正在为学校开展一个项目，该项目要求我在 R 中对给定的数据集执行时间序列预测。我查找了无数关于如何执行此操作的示例，但我找到的每个示例都包含一个记录数据的数据集，例如，在 15 年的时间里每月一次记录数据。我的教授给我的数据集每0.001秒记录一次数据，同一秒有多个数据条目。例如，在数据末尾有 0.02500 秒的五个不同条目。

我对单变量时间序列的理解是在特定时间段进行测量的时间序列，例如每月或每千分之一秒。每当我尝试对数据集进行时间序列预测 (

adeno

) 时，我都会在代码下收到如下所示的错误。

> fit <- auto.arima(adeno)
Error in auto.arima(adeno) : 
  auto.arima can only handle univariate time series

谁能告诉我哪里出了问题或者我是否误解了什么？我尝试过使用 R 中的 ts() 命令将数据集转换为时间序列，但我一定做错了什么，因为即使在那之后它也说它不是单变量时间序列。

Answer 1

错误意味着它所说的，

auto.arima

只能处理单变量时间序列。由于您提到您的数据集每个时间单位都有多个条目，因此如果您使用

ts

进行转换，它就是一个多元时间序列。您可以按照以下方式做一些事情：

adenoTS = ts(adeno)
arima_fit = auto.arima(adenoTS[,1])

为了解决评论部分的第二个问题，我使用了

airquality

数据集进行演示：

library(forecast)

# Convert as time series
airTS = ts(airquality)

# Plot multivariate ts
plot(airTS[,1:4])

# Run auto.arima on a single ts
arima_fit = auto.arima(airTS[,3])

# Forecast for the next 10 time units
arima_forecast = forecast(arima_fit, h = 10)

# Plot forecasts
plot(arima_forecast)

forecast()

中的

forecast

包允许您预测下一个

h

时间单位。在这种情况下，“时间单位”的含义取决于您在

airTS = ts(airquality)

步骤中如何定义时间序列。这里我没有费心去正确地转换它，但是你可以在

start =

中添加

frequency =

和

ts()

参数来指定 ts 的开始时间和频率。

plot

的

forecast

方法可让您绘制预测结果。请参阅

?plot.forecast

。

Answer 2

虽然我的数据集每个时间单位没有多个条目，但它是纯粹的单变量，该函数不起作用。

在 auto.arima 参数中添加 [,1] 有助于解决问题:: 自动阿里马1 <- auto.arima(TR_2015_2019_ts [,1])

Answer 3

@acylam 非常感谢你，我对这个问题的理解在很大程度上得到了澄清L 如果我需要更多帮助，我会回复您。希望你能再次善良！！

@亚历克塞尔 非常感谢 ！我会尝试一下然后回来