[我预测约有2500个观察值的每日(对数转换)销售量。我测试平稳。我使用tso
函数进行离群值识别,并包含诸如DayOfWeek,MonthYear,DayOfMonth,WeekOfMonth,WeekOfYear,< [公共假期。但是,对于某些数据集,我收到以下消息:
Error in arima(y, order = fit$arma[c(1, 6, 2)], seasonal = list(order = fit$arma[c(3, : non-stationary seasonal AR part from CSS
或:
Error in arima(x = c(3.29950729870049, 3.63367040605144, 59.6705024612701, : non-stationary seasonal AR part from CSS
我尝试了ars.method
和tsmethod
中的几个选项,但没有任何效果。我还希望将条件平方和(CSS)更改为最大似然(method =“ ML”),但我找不到tso
函数的此类选项。非常感谢您提供有关解决方法的反馈。
我通过将先前的arima
中的(p,d,q)(P,D,Q)参数添加到tsmethod
中来固定它,如下所示:
fit <- tso(df.ts,types=c("AO","LS","TC","IO",'SLS'), xreg=cbind(r1.matrix,r2.matrix,r3.matrix,r4.matrix), discard.method="bottom-up", tsmethod="arima", args.tsmethod=list(order=c(0,1,1),seasonal=list(order=c(0,0,2), period=7)))
但是,对于某些数据集,仅使用tsmethod="auto.arima"
。感谢您对此事的反馈。另外,我非常感谢您提供一些反馈,这些反馈为什么使用tso
函数(最好的情况)需要大约一个小时才能运行代码,或者为什么它永远也不会停止运行。我正在具有以下特征的虚拟工作站中运行代码:具有32.0 GB RAM和500 GB SSD的Intel(R)Xeon CPU @ 2.3 GHz。
异常值
我的解决方案不是同时运行所有类型的异常值。例如:outliers_ao_ls
outliers_tc
我希望它会有所帮助。通过单独运行测试,它运行良好。这不是解决您问题的理由,但我也没有找到有关如何将估算方法更改为“ ML”的任何解释。