rep(1, n.ahead) 中的错误：R 中的“次”参数无效

Question

我正在研究使用 ARIMA 进行预测的数据集，我已经接近最后一步了，但我遇到了错误，无法找到参考来弄清楚我缺少什么。

当我执行以下命令时，我不断收到错误消息：

ForcastData<-forecast(fitModel,testData)

Error in rep(1, n.ahead) : invalid 'times' argument

我将简要介绍我所做的工作，我将数据集从数据框架更改为时间序列，并进行了所有测试以检查波动性，并检测数据是否静止。
然后我将 DataAsStationary 作为应用 ARIMA 的良好干净数据，但由于我想在训练数据上训练模型并在数据的另一部分进行测试，我将数据集分为 70% 的训练和 30% 的测试：

ind <-sample(2, nrow(DataAsStationary), replace = TRUE, prob = c(0.7,0.3))
traingData<- DataStationary1[ind==1,]
testData<- DataStationary1[ind==2,]

我使用了自动选择算法，发现Arima(2,0,3)是最好的。

autoARIMAFastTrain1<- auto.arima(traingData, trace= TRUE, ic ="aicc", approximation = FALSE, stepwise = FALSE)

我必须提到，我确实检查了残差是否不相关（白噪声）并进行了处理。

library(tseries)
library(astsa)
library(forecast)

之后我使用训练数据集来拟合模型：

fitModel <- Arima(traingData, order=c(2,0,3))
fitted(fitModel)

ForcastData<-forecast(fitModel,testData)
output <- cbind(testData, ForcastData)
accuracy(testData, ForcastData) 
plot(outp)

找不到有关错误的任何资源：

rep(1, n.ahead) 中的错误：'times' 参数无效

任何建议！真的

我试过了

ForcastData<-forecast.Arima(fitModel,testData)

但我得到的错误是

forecast.Arima 未找到！

知道为什么会出现错误吗？

Answer 1

您需要稍微不同地指定forecast() 的参数；由于您没有发布示例数据，我将使用 forecast 包中的 gold 数据集进行演示：

library(forecast)
data(gold)
trainingData <- gold[1:554]
testData <- gold[555:1108]
fitModel <- Arima(trainingData, order=c(2, 0, 3))
ForcastData <- forecast(fitModel, testData)
# Error in rep(1, n.ahead) : invalid 'times' argument
ForcastData <- forecast(object=testData, model=fitModel) # no error
accuracy(f=ForcastData) # you only need to give ForcastData; see help(accuracy)
                    ME     RMSE      MAE        MPE      MAPE     MASE
Training set 0.4751156 6.951257 3.286692 0.09488746 0.7316996 1.000819
                   ACF1
Training set -0.2386402

您可能想花一些时间在forecast package documentation 上查看各种函数的参数的名称以及它们出现的顺序。

关于您的 forecast.Arima 未找到错误，您可以看到 this answer 对有关预测包的不同问题 - 本质上，该函数不是要由用户调用，而是由 forecast 调用功能。

编辑：

收到您的评论后，似乎以下内容可能会有所帮助：

library(forecast)
# Read in the data
full_data <- read.csv('~/Downloads/onevalue1.csv')
full_data$UnixHour <- as.Date(full_data$UnixHour)
# Split the sample
training_indices <- 1:floor(0.7 * nrow(full_data))
training_data <- full_data$Lane1Flow[training_indices]
test_data <- full_data$Lane1Flow[-training_indices]
# Use automatic model selection:
autoARIMAFastTrain1 <- auto.arima(training_data, trace=TRUE, ic ="aicc",
                                  approximation=FALSE, stepwise=FALSE)
# Fit the model on test data:
fit_model <- Arima(training_data, order=c(2, 0, 3))
# Do forecasting
forecast_data <- forecast(object=test_data, model=fit_model)
# And plot the forecasted values vs. the actual test data:
plot(x=test_data, y=forecast_data$fitted, xlab='Actual', ylab='Predicted')

# It could help more to look at the following plot:
plot(test_data, type='l', col=rgb(0, 0, 1, alpha=0.7),
     xlab='Time', ylab='Value', xaxt='n', ylim=c(0, max(forecast_data$fitted)))
ticks <- seq(from=1, to=length(test_data), by=floor(length(test_data)/4))
times <- full_data$UnixHour[-training_indices]
axis(1, lwd=0, lwd.ticks=1, at=ticks, labels=times[ticks])
lines(forecast_data$fitted, col=rgb(1, 0, 0, alpha=0.7))
legend('topright', legend=c('Actual', 'Predicted'), col=c('blue', 'red'),
       lty=1, bty='n')

Answer 2

我可以跑了

ForcastData <- forecast(object=testData, model=fitModel)

没有错误 现在想绘制 testData 和预测数据并检查我的模型是否准确：

所以我做到了：

输出

Error in error(x, ...) : 
  improper length of one or more arguments to merge.xts

所以当我检查 ForcastData 时，它给出了输出：

> ForcastData
        Point Forecast     Lo 80    Hi 80     Lo 95    Hi 95
2293201    -20.2831770 -308.7474 268.1810 -461.4511 420.8847
2296801    -20.1765782 -346.6400 306.2868 -519.4593 479.1061
2300401    -18.3975657 -348.8556 312.0605 -523.7896 486.9945
2304001     -2.2829565 -332.7483 328.1824 -507.6860 503.1201
2307601      2.7023277 -327.8611 333.2658 -502.8509 508.2555
2311201      4.5777316 -328.6756 337.8311 -505.0893 514.2447
2314801      4.3198927 -331.4470 340.0868 -509.1913 517.8310
2318401      3.8277285 -332.7898 340.4453 -510.9844 518.6398
2322001      1.4364973 -335.2403 338.1133 -513.4662 516.3392
2325601     -0.4013561 -337.0807 336.2780 -515.3080 514.5053

我想我会得到我在 testData 中的结果列表。我需要得到显示 2 行实际数据（testData）和预期数据（ForcastData）的图表。 我确实浏览了很多关于预测的文档，但我找不到解释我想要做什么的东西。