我有一个半小时的需求数据,这是一个多个季节的时间序列。我在R的package中使用tbats
过forecast
,并得到如下结果:
TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>})
这是否意味着该序列不一定要使用Box-Cox变换,并且误差项是ARMA(5,4),而6、6和5项则用来解释季节性?阻尼参数0.8383表示什么,也用于转换吗?
以下是模型的分解图:
我想知道该怎么做level
并slope
讲述该模型。“坡度”告诉趋势,那又如何level
呢?如何获得更清晰的情节session 1
和session 2
,它们分别是每天和每周的季节性。
tbats
除了RMSE值,我还知道如何进行模型诊断以评估模型。正常方法是检查错误是否为白噪声,但此处的错误应该是ARMA系列的。我绘制了错误的'acf'和'pacf',但我认为它看起来不像ARMA(5,4)。这是否意味着我的模型不好?
acf(resid(model1),lag.max = 1000)
pacf(resid(model1),lag.max=1000)
最后一个问题RMSE
是通过使用拟合值和真实值来计算的。如果我使用预测值fc1.week$mean
和真实值来评估模型RMSE
怎么办,它仍被称为?或者,还有这个名字吗?
fc1.week <-forecast(model1,h=48*7)
fc1.week.demand<-fc1.week$mean