R中秒/分钟间隔数据的“频率”值

我正在使用R（3.1.1）和ARIMA模型进行预测。我想知道什么是“频率”参数ts()，如果im使用时间序列数据，则该参数应在函数中分配：

1. 以分钟为单位，并持续180天（每天1440分钟）
2. 相隔数秒，分布在180天（86,400秒/天）中。

如果我没记错的话，R中以ts为单位的“频率”是每个“季节”的观测次数。

问题部分1：

在我的情况下，“季节”是什么？

如果季节是“日”，那么分钟的“频率”是1440，秒是86400？

问题第二部分：

“频率”是否还取决于我要达到/预测的目标？ 例如，就我而言，我想要一个非常短期的预测。每次比10分钟领先一步。 然后可以将季节视为一个小时而不是一天吗？ 在那种情况下，频率= 60分钟，而频率= 3600秒？

例如，我尝试使用频率= 60作为分钟数据，与频率= 1440相比，得到了更好的结果（用于fourier查看Hyndman的以下链接） http://robjhyndman.com/hyndsight/forecasting-weekly-data/

（使用MAPE进行预测准确性的比较）

如果结果完全是任意的，并且无法更改频率。在我的数据上使用freq = 60的实际解释是什么？

我也认为值得一提的是，我的数据每隔两个小时包含一次季节性变化（通过观察原始数据和自相关函数）

“频率”是每个“周期”（通常是一年，但有时是一周，一天，一个小时等）的观测次数。这与物理学中或傅立叶分析中的频率定义相反，其中“周期”是周期的长度，而“频率”是周期的倒数。ts()在R中使用该功能时，应使用以下选择。

Data      frequency
Annual     1
Quarterly  4
Monthly   12
Weekly    52

实际上，一年中没有52周，但平均365.25 / 7 = 52.18。但是大多数使用ts对象的函数都需要整数频率。

一旦观察频率小于一周，则通常有不止一种处理频率的方法。例如，每分钟观察到的数据可能具有每小时的季节性（频率= 60），每日的季节性（频率= 24x60 = 1440），每周的季节性（频率= 24x60x7 = 10080）和年度的季节性（频率= 24x60x365.25 = 525960）。如果要使用ts对象，则需要确定其中哪一个最重要。

一种替代方法是使用一个msts对象（在forecast包中定义）来处理多个季节性时间序列。然后，您可以指定所有可能相关的频率。它也足够灵活以处理非整数频率。

您不一定要包括所有这些频率-而是可能包含在数据中的那些频率。由于只有180天的数据，因此您可能会忽略年度季节性。如果数据是对自然现象（例如温度）的度量，则您也可以忽略每周的季节性。

在多个季节，您可以在回归模型或ARIMA模型中使用TBATS模型或傅立叶项。fourier预测包中的函数将处理msts对象。