非季节性时间序列预测答案

【问题标题】：Non-Seasonal Time Series Forcast非季节性时间序列预测
【发布时间】：2016-07-26 03:05:34
【问题描述】：

全部 -

我正在研究一个没有季节性的时间序列的预测模型。在其他领域，我为单季的人使用 ARIMA，为多季的人使用 TBATS。然而，现在，我正在处理一个没有季节性的时间序列。我希望做一些基本的预测。我正在处理大约 1.5 年的数据——每天采集。时间序列图如下所示（由于我在 StackOverflow 上的状态，我还不能发布图片，但这是图片的链接：

http://107.170.210.195/Rplot.png

现在，鉴于这不是季节性的，我以这种方式构建我的时间序列：

incidentBacklogRolling12DailyTS <- ts(incidentBacklogRolling12Daily$Count, start=c(2014,327), frequency=365.25)

这可能是也可能不是正确的方法，但我在这里遵循我的直觉......然后我尝试了各种预测方法 - 显然 ARIMA 和 TBATS 已经过时了。但是我尝试了 ETS（这似乎很有希望）和 STL。两者都导致从最后一点延伸的“直线”。现在，我知道我的时间序列最后看起来确实是平的，但有一点波动。我还对 HoltWinters 进行了试验，它产生了非常准确的拟合，但预测又是一条直线，这次是向下倾斜的。我希望对于像这个这样的非季节性系列来说，可能会有一个好的模型。

有没有人对模型（可能还有该模型的参数）有建议可以尝试。也许我正在使用的是努力 - 也许有一个我没有看到的简单解决方案。感谢您的任何建议！

【问题讨论】：

您真的相信统计操作会提取的数据中存在“信号”吗？
信息的末尾可能有 - 我想这是我的整体问题 - 我已经考虑过这个问题并且一直在研究其他数据集。有些肯定对他们有季节性，我已经成功地为他们拟合了模型。我有一些不一定有季节性，比如这个。因此，我想提出这个问题——有没有办法让预测适合这个，或者我应该把这个归结为随机的，并说没有办法提供准确的预测？这对我来说是一个新领域，所以我正在寻求一些专家的建议。

标签： r time-series prediction forecasting

【解决方案1】：

在过去一周左右的研究中，我想发布我的解决方案，以供将来研究此问题的任何人使用。我找到了 Rob Hyndman（墨尔本该领域的研究员）发布的一些材料。我发现在他的一次讲座中，他建议对诸如此类的项目使用 auto.arima() 函数。我发了。 Hyndman 博士写了一张便条，他建议为此使用 ETS。由于没有可检测的潜在模式或季节性，您需要根据最新数据进行预测，您可以使用 AIRMA 和 ETS 等方法进行预测。我对它们都进行了尝试，并且能够根据数据获得可接受的结果。感谢所有阅读本文的人，就像我说的那样，我只是想为可能遇到相同问题的任何其他人提供我的解决方案。

【讨论】：