对来自多个城市的时间序列数据进行建模（一周时间）答案

【问题标题】：Modelling time series data from multiple cities (one week period)对来自多个城市的时间序列数据进行建模（一周时间）
【发布时间】：2022-08-17 22:38:34
【问题描述】：

我正在尝试对包含 4 个不同城市的 df 的温度数据进行建模，我最初想拟合一个模型来模拟我的 1 个位置的温度。最初我想拟合一个模型来预测海威科姆，但我不确定如何在保留每个位置的数据的同时做到这一点。这是可能的吗，还是我需要在执行此操作和单独建模之前进一步拆分数据？例如，我最初是这样做的，尽管希望能够使我的预测和情节发挥作用；

dat_hw = c(15.4, 15.5,  9.8, 10.1, 11.7, 10.0, 14.1)
hw_ts = ts(dat_hw, frequency = 365, start = c(2020, 305))

mod = auto.arima(hw_ts)

preds = predict(mod)

plot(preds$pred)

在一个理想的世界中，我将能够对我的所有数据进行建模，然后尽可能预测每个单独的位置

整体数据

Date           Machrihanish High_Wycombe Camborne Dun_Fell
1 20201101         11.8         15.4     15       10.4
2 20201102         11.1         15.5     15       10.5
3 20201103         9.7          9.8      10.5     2.2
4 20201104         11           10.1     11.6     3.3
5 20201105         11.7         11.7     11.6     9.7
6 20201106         11.3         10       13.1     10.4
7 20201107         10           14.1     14.4     11.9

标签： r time-series

【解决方案1】：

您可以将您的预测代码包装在一个函数中，并将 apply 它添加到每一列：

f <- function(d) {
  hw_ts = ts(d, frequency = 365, start = c(2020, 305))
  mod = auto.arima(hw_ts)
  predict(mod)
}
predictions = apply(data[,-(1:2)],2,f)

【讨论】：