hw(train) 中的错误：时间序列的频率应大于 1（预测库）

Question

这是什么意思？我的 timeSeries 的频率是 365，不是吗？我想做的是每天做 3 年的预测，一次一天。换句话说，我想得到第二天的预报，365*3次。

library(forecast)
df = read.csv("./files/all_var_df.csv")

ts = as.timeSeries(df[, c(1, 2)])
train = as.timeSeries(ts[0:3285, ])
validation = ts[3285:4380]

fit_hw <- hw(train)
fit2_hw <- hw(validation, model=fit_hw)
onestep_hw <- fitted(fit2_hw)

Error in hw(train): The time series should have frequency greater than 1.

以下是一些可能有助于您回答问题的信息：

class(train)
> [1] "timeSeries"

head(train, 3)
> 2005-01-01 101634.4 
> 2005-01-02 106812.5 
> 2005-01-03 119502.8 

length(train)
> [1] 3285

Answer 1

在没有实际看到您的数据的情况下，我只能推测。但是，我可以使用 R 中的可用数据集重现此问题。在 R 中的 library(fpp2) 中，数据集 ausair 包含 "Total annual air passengers (in millions) including domestic and international aircraft passengers of air carriers registered in Australia. 1970-2016."

将此数据集作为 ts (air <- window(ausair, start = 1990)) 读取，我们得到以下内容：

Time Series:
Start = 1990 
End = 2016 
Frequency = 1 
 [1] 17.55340 21.86010 23.88660 26.92930 26.88850 28.83140 30.07510 30.95350
 [9] 30.18570 31.57970 32.57757 33.47740 39.02158 41.38643 41.59655 44.65732
[17] 46.95177 48.72884 51.48843 50.02697 60.64091 63.36031 66.35527 68.19795
[25] 68.12324 69.77935 72.59770

我现在将使用 hw() 函数来训练：

fc <- hw(air, seasonal = "additive")

这会产生以下错误：

Error in hw(air, seasonal = "additive") : 
  The time series should have frequency greater than 1.

这里发生的是每个数据点对应一整年。所以 Holt-Winters 方法无法找到季节性。 HW 方法的季节性部分遵循以下等式：

$s_t = \gamma(y_t - l_t - b_{t-1}) + (1 - \gamma)s_{t-m}$

其中 $s_{t-m}$ 项表示季节性，m 表示频率。如果一个时间段内只有 1 个数据点，则谈论重复的季节性模式没有意义。

解决问题的方法是使用 ts() 定义时间序列对象的方式。时间序列函数的一个参数是频率。在没有看到您的数据的情况下，我无法说出该值应该设置为什么。 Here 是一个解释术语频率的网站。这将取决于您的数据表现出的季节性。它是否每周重复一种季节性模式？每个季度？如果没有季节性模式，您可以切换到 holt() 函数，它仅使用指数衰减项和趋势项来查找模式并且不会给出您的错误。

hw(train) 中的错误：时间序列的频率应大于 1（预测库）

Error in hw(train): The time series should have frequency greater than 1 (forecast library)

r

forecasting

forecast