Ho una domanda ogni mezz'ora, che è una serie temporale multi-stagionale. Ho usato tbats
nel forecast
pacchetto in R, e ho ottenuto risultati come questo:
TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>})
Significa che la serie non deve necessariamente usare la trasformazione di Box-Cox e che il termine di errore è ARMA (5, 4) e 6, 6 e 5 sono usati per spiegare la stagionalità? Che cosa significa quel parametro smorzato 0.8383, è anche per la trasformazione?
Di seguito è riportato il diagramma di decomposizione del modello:
Mi chiedo cosa fare level
e slope
dire del modello. La 'pendenza' racconta la tendenza, ma che dire level
? Come ottenere una trama più chiara per session 1
e session 2
, che sono rispettivamente giornalieri e settimanali stagionali.
Inoltre, cosa sapere come eseguire la diagnostica del modello per tbats
valutare il modello, ad eccezione del valore RMSE. Il modo normale è verificare se l'errore è rumore bianco, ma qui si suppone che l'errore sia una serie ARMA. Traccio "acf" e "pacf" dell'errore e non penso che assomigli ad ARMA (5,4). Significa che il mio modello non è buono?
acf(resid(model1),lag.max = 1000)
pacf(resid(model1),lag.max=1000)
L'ultima domanda RMSE
viene calcolata utilizzando il valore adattato e il valore reale. Cosa succede se utilizzo il valore previsto fc1.week$mean
e il valore reale per valutare il modello, viene ancora chiamato RMSE
? Oppure, c'è un altro nome per questo?
fc1.week <-forecast(model1,h=48*7)
fc1.week.demand<-fc1.week$mean