11 votos

Interpretación de series de tiempo usando TBATS de R de descomposición prediccion paquete

Me gustaría descomponer los siguientes datos de series de tiempo en la temporada, la tendencia y la residual de los componentes. Los datos es hora de Enfriamiento Perfil de consumo de Energía de un edificio comercial:

TotalCoolingForDecompose.ts <- ts(TotalCoolingForDecompose, start=c(2012,3,18), freq=8765.81)
plot(TotalCoolingForDecompose.ts)

Cooling Energy Time Series

Hay evidencia de que los diarios y semanales de efectos estacionales por lo tanto, basándose en el asesoramiento de: ¿Cómo descomponer una serie de tiempo con múltiples componentes estacionales?, He utilizado el tbats función de la forecast paquete de:

TotalCooling.tbats <- tbats(TotalCoolingForDecompose.ts, seasonal.periods=c(24,168), use.trend=TRUE, use.parallel=TRUE)
plot(TotalCooling.tbats)

Que se traduce en:

enter image description here

¿Qué hacen los level y slope componentes de este modelo de describir? ¿Cómo puedo obtener el trend y remainder componentes similares a los de papel que hace referencia este paquete (De Livera, Hyndman y Snyder (JASA, 2011))?

5voto

bhollis Puntos 2178

En los comentarios de los usuarios en esta página, alguien le pregunta acerca de la interpretación del nivel y la pendiente, y también cómo la tendencia y de los residuos que el decompose() que proporciona la función. Hyndman comentarios en los que no hay una traducción directa como decompose() y tbats() el uso de diferentes modelos. Pero si su TBATS modelo no tiene un Box-Cox transformación, entonces el TBATS nivel es aproximadamente la misma que la decompose() tendencia. Por otro lado, si el modelo se aplica el Box-Cox transformación, entonces usted tiene que deshacer la transformación antes de interpretar el nivel de (aproximadamente) de la tendencia. Al menos eso es lo que me interpretar su respuesta.

Como para los residuos y la pendiente, no son lo mismo.

Usted puede pensar en una base de descomposición ha de tener un componente de tendencia, un componente estacional, y un componente residual.

Usted puede romper la tendencia a la baja de un nivel y una pendiente. El nivel es esencialmente una línea de base para la tendencia, y la pendiente es el cambio por unidad de tiempo.

La razón para la ruptura de la tendencia a la baja en un nivel y una pendiente es que algunos modelos de soporte amortiguado de crecimiento. Tal vez usted observar que el crecimiento actual, pero que esperan que el crecimiento disminuye gradualmente con el tiempo, y usted quiere que sus previsiones para reflejar esa expectativa. El modelo admite esta permitiendo a la humedad de crecimiento mediante la aplicación de un factor de amortiguación a la pendiente, haciendo converger hacia cero, lo que significa que la tendencia converge hacia su nivel de componente.

No hay una respuesta sencilla a la pregunta de cómo el nivel y la pendiente se combinan para producir la tendencia. Depende del tipo de modelo que se está utilizando. Como una declaración general, aditivo tendencia de los modelos de combinarlos de manera aditiva y multiplicativa de la tendencia de los modelos de combinarlos en un multiplicativo. El amortiguamiento de las variantes de los modelos de combinar el nivel de amortiguamiento de la pendiente. Hyndman la Previsión con la Suavización Exponencial libro (que espero que sea ok para incluir el link de Amazon—yo no tengo ninguna afiliación alguna con el autor) proporciona la exacta a las ecuaciones en cada modelo base en la Tabla 2.1.

i-Ciencias.com

I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.

Powered by:

X