R中的时间序列预测，单变量时间序列

Question

我目前正在为一个学校项目工作，该项目要求我对R中的给定数据集进行时间序列预测。 我查找了无数示例来了解如何执行此操作，但是我发现的每个示例都包含一个记录数据的数据集，例如，在15年的时间里每月记录一次。 我的教授给我的数据集每0.001秒记录一次数据，并且同一秒有多个数据条目。 例如，数据末尾有五个不同的条目，持续时间为.02500秒。

我对单变量时间序列的理解是在特定时间段（例如每月或千分之一秒）进行测量的时间序列。 每当我尝试对数据集（ adeno ）进行时间序列预测时，都会在代码下显示以下错误。

> fit <- auto.arima(adeno)
Error in auto.arima(adeno) : 
  auto.arima can only handle univariate time series

谁能告诉我我要去哪里错了，或者我误会了什么？ 我尝试通过在R中使用ts（）命令尝试将数据集转换为时间序列，但我必须做错了什么，因为即使在此之后，它也表示不是单变量时间序列。

Answer 1

该错误表示其含义， auto.arima仅能处理单变量时间序列。 由于您提到数据集的每个时间单位都有多个条目，因此，如果使用ts转换，则它是一个多元时间序列。 您可以按照以下方式进行操作：

adenoTS = ts(adeno)
arima_fit = auto.arima(adenoTS[,1])

为了在评论部分解决您的第二个问题，我使用airquality数据集进行了演示：

library(forecast)

# Convert as time series
airTS = ts(airquality)

# Plot multivariate ts
plot(airTS[,1:4])

# Run auto.arima on a single ts
arima_fit = auto.arima(airTS[,3])

# Forecast for the next 10 time units
arima_forecast = forecast(arima_fit, h = 10)

# Plot forecasts
plot(arima_forecast)

forecast()从forecast包可以让你在未来的预测h的时间单位。 在这种情况下，“时间单位”的含义取决于您如何在airTS = ts(airquality)步骤中定义时间序列。 在这里，我没有进行适当的转换，但是您可以在ts()添加start =和frequency =参数来指定ts()的开始时间和频率。

forecast的plot方法可让您绘制预测结果。 参见?plot.forecast 。

Answer 2

尽管我的数据集中每个时间单位都没有多个条目，但它纯粹是单变量的，该功能无法正常工作。

在auto.arima参数中添加[，1]有助于解决问题：autoarima1 <-auto.arima（TR_2015_2019_ts [，1]）