とシミュレーション/予測、私は1960年から2015年までの気温の時系列を持っている、と予想したい私の目標は依然としてトレンドをキャプチャすることができながら、簡単な方法を使用することで、時間の経過に伴うデータの季節性。 （私は実際に5月から8月の気象条件のみを気にしますが、納得のいく予測を得るために過去5年間から8月までのデータを使用できるかどうかは分かりませんので、1年間予測します）デイリー温度有馬/ HW
I auto.arimaを試してみましたが、結果は非常に悪いようでした（プロット参照）[1]
さらに、私はHoltWinters平滑化方法を試してみました。一見合理的な結果。しかし、私はこの方法が予報温度が良いかどうかはわかりません。 [HWから予測] [2]
私はあまりにも多くの情報がなくても答えを提供するために躊躇しています。しかし、私は時系列予測で多くの経験がない人には、 "予測"パッケージのauto.arima関数が優れていることを提案します。最適なARIMA順序（p、d、q）を検索する組み込み最適化機能を備えています。予測機能で、あなたは（ポイント予報に加えて）信頼区間だけでなく、外に予測する方法を多くの期間を設定できることを
install.packages("forecast")
library(forecast)
set.seed(1234)
tsdatav <- (seq(1:300) + rnorm(300, 1000, 10))
myts <- ts(tsdatav, frequency = 365, start = c(2017, 6))
mytsfit <- auto.arima(myts)
mytsfit #to my example data, fit an ARIMA(5,1,0) with drift
mytsforecast <- forecast(mytsfit, 50, level = c(80, 95))
plot(mytsforecast)
注意：ここではいくつかのサンプルコードです。
公爵は再びhttps://people.duke.edu/~rnau/411arim.htm
のARIMA予測に優れたウェブサイトを持っている、これはただ一つの提案です。問題の詳細を与えられた他のものよりも優れた多くの予測手法があります。
質問は多分広すぎるかもしれませんが、これは良い答えです。 +1 –
私は次の365日の温度を予測するためにauto.arima関数を使用しましたが、予測は季節性を捕捉していないようです。私はまたHoltWinters平滑法を使用し、結果はプロットすることでOKと思われます。しかし、それは本当に説得力がありません。私は上記の私の質問を編集します。 – Kara
あなたの質問は非常に広すぎます。それに集中してください。おそらく読む[尋ねる]。 –