季节分解黄土日温时间序列答案

【问题标题】：seasonal decomposition loess daily temperature time series季节分解黄土日温时间序列
【发布时间】：2016-04-09 20:59:36
【问题描述】：

我有一个 10 年的每日气温时间序列：

x <- c(rep((seq(-3,5,by=0.85)),365),NA)

我将它转换为这样的时间序列对象：

x <- ts(x, frequency=10, start=1)

然后运行 stlm

stlm(x, s.window=365, robust=TRUE, allow.multiplicative.trend=TRUE, level=0.95)

产生了错误

error in na.fail.default(as.ts(x)) : missing values in object

这很奇怪，因为气象时间序列具有很强的季节性。我能做些什么来解决这个问题？零点有问题吗？

任何帮助表示赞赏。更新：我的时间序列中有一个缺失值，这产生了错误。部分代码

robust=TRUE, allow.multiplicative.trend=TRUE, level=0.95

产生了另一个错误，参数显然不能使用。

如何将我的时间序列充分分解为季节和趋势，以识别在 10 年内最终发生变化的趋势？

【问题讨论】：

我得到Error in etsmodel(y, errortype[i], trendtype[j], seasontype[k], damped[l], : unused argument (level = 0.95)，当我删除level 参数时，我得到了很好的结果。所以这目前无法重现
我编辑了我的问题。
产生了另一个错误....那么新的错误是什么？错误消息通常非常有用（您的第一个肯定是！）。您是否尝试过忽略缺失值？
是的，我做到了。但随后发生错误，即代码包含未使用的参数。它说：etsmodel中的错误（y，errortype [i]，trendtype [j]，seasontype [k]，damped [l]：未使用的参数（allow.multiplicative.trend = TRUE）

标签： r forecasting decomposition

【解决方案1】：

您也可以尝试使用 dsa 软件包，该软件包专门用于处理日常数据。您必须先将数据转换为 xts，然后就可以了，

library(dsa); library(xts)
x <- c(rep((seq(-3,5,by=0.85)),365),NA) # I didn't change these strange  looking data ;-)

# Converting to xts
dates <- seq(as.Date("2010-01-01"),length=length(x),by="days")
x <- xts(x, order.by=dates)

result <- dsa(x, fourier_number=24) # if no monthly recurring cycle is visible
                                    # fourier_number can be reduced or left empty.

sa <- result$output[,1]             # This is the seasonally adjusted series
xtsplot(result$output[,c(2,1)], names=c("original series", "seasonally adjusted series"))

【讨论】：