r - 每 15 分钟使用数据创建时间序列模型

Question

我正在开发一个 SHM 系统，每 15 分钟我就会收到来自结构上传感器的数据。我有一组没有损坏的观察结果，另一组则模拟了某种损坏。我的目标是获取未损坏的数据并用其进行预测。然后将该预测数据与未损坏的数据进行比较，然后使用该差异来创建控制图。

但是我的未损坏数据大约有 5 个月，损坏状态有 8 个月。我尝试使用 96(1 天)和 35060(1 年)的多个季节性 (msts) 来探索预测包，因为我相信它与温度有关。

我创建的模型遵循某种可能类似于现实的模式，其幅度很小，而真实数据的波动性要大得多。

有人可以为我指明下一步该做什么以及如何做的正确方向吗？

PS:当使用 ts 函数时，即使我尝试使其从 2018-04-27 14:15:00 开始，在绘制 时ts 对象始终从 1-1-2018 开始。我认为这比任何东西都更美观，但如果能正确设置它，我们将不胜感激。

Answer 1

ts 和 msts 对象不太适合高频数据。我建议您尝试通过 tsibble 包 ( http://tsibble.tidyverts.org ) 使用 tsibble 对象。对于tsibble，时间索引是明确的。以下是使用 30 分钟数据的示例。

library(tsibble)
library(feasts)
library(ggplot2)
tsibbledata::vic_elec
#> # A tsibble: 52,608 x 5 [30m] <UTC>
#>    Time                Demand Temperature Date       Holiday
#>    <dttm>               <dbl>       <dbl> <date>     <lgl>  
#>  1 2012-01-01 00:00:00  4263.        21.0 2012-01-01 TRUE   
#>  2 2012-01-01 00:30:00  4049.        20.7 2012-01-01 TRUE   
#>  3 2012-01-01 01:00:00  3878.        20.6 2012-01-01 TRUE   
#>  4 2012-01-01 01:30:00  4036.        20.4 2012-01-01 TRUE   
#>  5 2012-01-01 02:00:00  3866.        20.2 2012-01-01 TRUE   
#>  6 2012-01-01 02:30:00  3694.        20.1 2012-01-01 TRUE   
#>  7 2012-01-01 03:00:00  3562.        19.6 2012-01-01 TRUE   
#>  8 2012-01-01 03:30:00  3433.        19.1 2012-01-01 TRUE   
#>  9 2012-01-01 04:00:00  3359.        19.0 2012-01-01 TRUE   
#> 10 2012-01-01 04:30:00  3331.        18.8 2012-01-01 TRUE   
#> # … with 52,598 more rows
tsibbledata::vic_elec %>% autoplot(Demand)

^{由reprex package于2019年11月27日创建(v0.3.0)}