如何实现严格的积极预测？

我正在研究一个值严格为正的时间序列。使用包括AR，MA，ARMA等在内的各种模型，我找不到简单的方法来获得严格的积极预测。

我正在使用R进行预测，我所能找到的是带有以下描述的正参数的Forecast.hts {hts} ：

预测分级或分组时间序列，包hts

## S3 method for class 'gts':
forecast((object, h,
  method = c("comb", "bu", "mo", "tdgsf", "tdgsa", "tdfp", "all"),
  fmethod = c("ets", "rw", "arima"), level, positive = FALSE,
    xreg = NULL, newxreg = NULL, ...))

positive
    If TRUE, forecasts are forced to be strictly positive

http://www.inside-r.org/packages/cran/hts/docs/forecast.gts

对于非分层时间序列有什么建议吗？关于使用其他约束（例如最小值，最大值等）的概括又如何呢？

即使未在R中实现，也应感谢您对文章，模型或有用的常规变量转换的建议。

使用forecastR 的包装，只需lambda=0在拟合模型时进行设置。例如：

fit <- auto.arima(x, lambda=0)
forecast(fit)

lambdalambda$\lambda=0$lambda=0

有关更多讨论，请参见http://www.otexts.org/fpp/2/4。