我已经使用diff（log（ts（d.dat））将非平稳时间序列转换为平稳数据集，然后根据该数据集使用HoltWinters模型进行了预测。现在，我需要将预测恢复为非平稳格式，以便可以在上下文中读取预测的数据。
下面是我的代码
library(lubridate)
tsdat <- ts(dat, frequency = 364/7, start =decimal_date(ymd("2018-01-01")))
tsdat
plot.ts(tsdat)
#convert to stationary
diffdat <- diff(log(tsdat))
plot.ts(diffdat)
#decompose data
dedat <- decompose(diffdat)
plot(dedat)
#forecast data along historical data
tsdatdiff <- diff(log(tsdat))
plot.ts(tsdatdiff)
View(tsdatdiff)
fcdat <- HoltWinters(tsdatdiff)
fcdat
fcdat$SSE
plot(fcdat)
#forecast future data
fcdat2 <- forecast:::forecast.HoltWinters(fcdat, h=58)
plot(fcdat2)
View(fcdat2)
我是预测模型的新手，因此非常感谢您的帮助。
编辑：tsdat =
[1] 239356 233505 221379 216805 181376 185011 204697 171042 178016 161664
[11] 169265 165494 143858 182354 177574 168444 157602 143029 147777 128124
[21] 123876 122930 122716 128213 123046 129200 154485 162267 146355 142686
[31] 139640 139767 143704 136917 145943 136225 149343 151274 165070 180999
[41] 159661 155912 169565 171383 172614 184754 184409 200315 198860 211969
[51] 252303 227694 229727 209950 222494 217205 192252 182349 188436 181309
[61] 172210 170766 171861 172913 154271 151161 163106 152785 160463 137944
[71] 141503 128332 125679 120253 118186 128944 118992 124912 139317 158101
[81] 144735 139579 135227 136682 139347 147254 154202 153175 153906 159348
[91] 174015 189201 168106 161848 173245 169786 179268 199458 198268 199099
[101] 210674 223629 248501 223375 227329 206112 202193 207227 209607
166615
[111] 180929
在评论中回答巴斯！
我认为您正在寻找的是：fcdat3 <-tsdat [[length（tsdat）]] * exp（diffinv（fcdat2 $ mean））。通常，您可以使用exp（diffinv（...））来反转diff（log（...）），但是您需要添加最后一个已知值作为偏移量；通过exp操作将其转换为乘法。使用plot.ts（c（tsdat，fcdat3））可视化数据及其预测
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句