使用tso函数的异常值识别：运行时和错误

Question

[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。

Answer 1

关于错误消息和运行时，我遇到了同样的问题。

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。