나는 매시간 30 분의 수요 데이터를 얻었습니다. 이는 다중 계절 시계입니다. R의 패키지에서 사용 tbats
했으며 forecast
다음과 같은 결과를 얻었습니다.
TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>})
시리즈가 Box-Cox 변환을 반드시 사용해야하는 것은 아니며 오류 항은 ARMA (5, 4)이며 계절성을 설명하기 위해 6, 6 및 5 항이 사용됩니까? 감쇠 매개 변수 0.8383은 무엇을 의미합니까? 변형에도 적용됩니까?
다음은 모델의 분해 플롯입니다.
나는 모델에 대해 무엇을 level
하고 궁금해 slope
하고 있습니다. '기울기'는 추세를 나타내지 만 어떻 level
습니까? session 1
및 session 2
일별 및 주별 계절별 명확한 플롯을 얻는 방법 .
또한 tbats
RMSE 값을 제외하고 모델을 평가하기 위해 모델 진단을 수행하는 방법을 알아야합니다 . 일반적인 방법은 오류가 백색 잡음인지 확인하는 것이지만 여기서 오류는 ARMA 계열로 가정됩니다. 오류의 'acf'와 'pacf'를 플로팅하고 ARMA (5,4)처럼 보이지는 않습니다. 내 모델이 좋지 않다는 것을 의미합니까?
acf(resid(model1),lag.max = 1000)
pacf(resid(model1),lag.max=1000)
마지막 질문 RMSE
은 적합치와 참값을 사용하여 계산됩니다. fc1.week$mean
모형을 평가하기 위해 예측값 과 실제 값을 사용하면 어떻게 RMSE
됩니까? 아니면 다른 이름이 있습니까?
fc1.week <-forecast(model1,h=48*7)
fc1.week.demand<-fc1.week$mean