Tôi đã có một dữ liệu nhu cầu nửa giờ, đó là một chuỗi thời gian nhiều mùa. Tôi đã sử dụng tbats
trong forecast
gói vào R, và nhận được kết quả như thế này:
TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>})
Điều đó có nghĩa là sê-ri không nhất thiết phải sử dụng phép biến đổi Box-Cox và thuật ngữ lỗi là ARMA (5, 4) và các thuật ngữ 6, 6 và 5 được sử dụng để giải thích tính thời vụ? Tham số ẩm 0,8383 đó có nghĩa là gì, nó cũng là để chuyển đổi?
Sau đây là sơ đồ phân rã của mô hình:
Tôi đang tự hỏi những gì làm level
và slope
nói về mô hình. "Độ dốc" cho biết xu hướng, nhưng còn level
? Làm thế nào để có được một âm mưu rõ ràng hơn session 1
và session 2
, theo mùa hàng ngày và hàng tuần theo mùa.
Tôi cũng biết những gì cần biết làm chẩn đoán mô hình tbats
để đánh giá mô hình, ngoại trừ giá trị RMSE. Cách thông thường là kiểm tra xem lỗi có phải là nhiễu trắng hay không, nhưng ở đây lỗi được cho là một chuỗi ARMA. Tôi vẽ lỗi 'acf' và 'pacf' và tôi không nghĩ nó giống ARMA (5,4). Có nghĩa là mô hình của tôi không tốt?
acf(resid(model1),lag.max = 1000)
pacf(resid(model1),lag.max=1000)
Câu hỏi cuối cùng, RMSE
được tính bằng cách sử dụng giá trị được trang bị và giá trị thực. Điều gì xảy ra nếu tôi sử dụng giá trị dự đoán fc1.week$mean
và giá trị thực để đánh giá mô hình, liệu nó có còn được gọi RMSE
không? Hoặc, có một tên khác cho điều này?
fc1.week <-forecast(model1,h=48*7)
fc1.week.demand<-fc1.week$mean