r - R 中的时间序列预测，单变量时间序列

Question

我目前正在为学校开展一个项目，该项目要求我在 R 中对一组给定的数据执行时间序列预测。我查阅了无数关于如何执行此操作的示例，但我找到的每个示例都包含一个记录数据的数据集，例如，在 15 年的时间里每月一次。我的教授给我的数据集每 .001 秒记录一次数据，同一秒有多个数据条目。例如，在数据末尾有 0.02500 秒的五个不同条目。

我对单变量时间序列的理解是在特定时间段(例如每月或每千分之一秒)进行测量的时间序列。每当我尝试对数据集 (adeno) 进行时间序列预测时，我都会收到如下代码所示的错误。

> fit <- auto.arima(adeno)
Error in auto.arima(adeno) : 
  auto.arima can only handle univariate time series

谁能告诉我哪里出错了，或者我是否误解了什么？我尝试使用 R 中的 ts() 命令尝试将数据集转换为时间序列，但我一定做错了什么，因为即使在那之后它也说它不是单变量时间序列。

Answer 1

错误意味着它所说的，auto.arima can only handle univariate time series。由于您提到您的数据集每个时间单位都有多个条目，如果您使用 ts 转换它，它就是一个多变量时间序列。你可以按照以下方式做一些事情:

adenoTS = ts(adeno)
arima_fit = auto.arima(adenoTS[,1])

为了解决您在评论部分的第二个问题，我使用airquality 数据集进行演示:

library(forecast)

# Convert as time series
airTS = ts(airquality)

# Plot multivariate ts
plot(airTS[,1:4])

# Run auto.arima on a single ts
arima_fit = auto.arima(airTS[,3])

# Forecast for the next 10 time units
arima_forecast = forecast(arima_fit, h = 10)

# Plot forecasts
plot(arima_forecast)

forecast 包中的

forecast() 允许您预测下一个 h 时间单位。在这种情况下，“时间单位”的含义取决于您在 airTS = ts(airquality) 步骤中定义时间序列的方式。这里我没有费心去正确转换它，但是你可以在 ts() 中添加 start = 和 frequency = 参数来指定开始你的时间和频率。

forecast 的plot 方法可让您绘制预测结果。请参阅 ?plot.forecast。