作为附带的兴趣，我一直在探索预测时间序列（尤其是使用R）。
就我的数据而言，我有每天的访问次数，可以追溯到将近4年的每天。在此数据中，有一些不同的模式：
- 周一至周五的访问量很多（周一/周二最高），但周六至周日的访问量则大大减少。
- 一年中的某些时段下降（例如，美国假期前后的访问量减少，夏季显示出较少的增长）
- 年比显着增长
能够使用这些数据来预测未来的一年，并使用它来进行季节性调整后的逐月增长，这将是很好的。每月查看的主要内容是：
- 某些月份的星期一/星期二会比其他月份要多（而且多年以来也不一致）。因此，需要对平日较多的一个月进行相应的调整。
探索周似乎也很困难，因为周编号系统会根据年份从52-53更改，并且似乎ts无法解决这一问题。
我正在考虑为一个月的工作日取平均值，但是结果得出的单位有点奇怪（平均工作日访问次数的增长），并且会删除有效的数据。
我觉得这种数据在时间序列中很常见（例如，办公楼中的用电量可能是这样的），有人对如何建模有任何建议，尤其是在R中？
我正在使用的数据非常简单，它开始如下：
[,1]
2008-10-05 17607
2008-10-06 36368
2008-10-07 40250
2008-10-08 39631
2008-10-09 40870
2008-10-10 35706
2008-10-11 18245
2008-10-12 23528
2008-10-13 48077
2008-10-14 48500
2008-10-15 49017
2008-10-16 50733
2008-10-17 46909
2008-10-18 22467并以这种方式一直延续到现在，总体呈增长趋势，在美国假期周前后有所下降，而夏季的增长总体上放缓。
数据的另一个有趣方面是，突然发生的事件将整个增长趋势中断了大约几个月。但是现在，我正处于尝试正确设置季节性的阶段，但我忽略了这一方面。
—
凯尔·勃兰特
另外，如果我没有正确使用“季节性”，请更正我。我目前正在考虑在我所说的时间范围内的一种模式。因此，“每周季节性”对我来说意味着“每周重复一次的模式”。
—
凯尔·勃兰特
请参阅stats.stackexchange.com/questions/14742/…的答案。可能是一个起点。
—
彼得·埃利斯
也许这是周+年的组合的核心？似乎
—
Kyle Brandt 2012年
ts（甚至msts）不适合一周的采样期和一年的“自然”期（我想日历也不可以）。或者，我就是不明白该如何做……