每 15 分钟用数据创建时间序列模型

Question

我正在开发一个 SHM 系统，其中每 15 分钟就有一次来自结构传感器的数据。 我有一组观察结果，其中没有损坏，另一组观察到模拟了某种损坏。 我的目标是获取未损坏的数据并使用它进行预测。 然后将此预测数据与未损坏的数据进行比较，然后将使用这种差异来创建控制图。

但是，我的未损坏数据大约为 5 个月，损坏状态为 8 个月。 我尝试使用 96（1 天）和 35060（1 年）的多个季节性 ( msts ) 来探索forecast包，因为我相信它与温度有关。

我创建的模型遵循某种可能类似于现实的模式，其幅度很小，而真实数据的波动性要大得多。

有人可以指出我下一步要做什么以及如何做的正确方向吗？

PS：当使用ts函数时，即使我试图让它从2018-04-27 14:15:00开始，在绘制ts对象时总是从1-1-2018开始。 我认为这比任何事情都更美观，但将其设置正确将不胜感激。

Answer 1

ts和msts对象不太适合高频数据。 我建议您尝试通过tsibble包（ http://tsibble.tidyverts.org ）使用tsibble对象。 使用tsibble ，时间索引是明确的。 这是一个使用 30 分钟数据的示例。

library(tsibble)
library(feasts)
library(ggplot2)
tsibbledata::vic_elec
#> # A tsibble: 52,608 x 5 [30m] <UTC>
#>    Time                Demand Temperature Date       Holiday
#>    <dttm>               <dbl>       <dbl> <date>     <lgl>  
#>  1 2012-01-01 00:00:00  4263.        21.0 2012-01-01 TRUE   
#>  2 2012-01-01 00:30:00  4049.        20.7 2012-01-01 TRUE   
#>  3 2012-01-01 01:00:00  3878.        20.6 2012-01-01 TRUE   
#>  4 2012-01-01 01:30:00  4036.        20.4 2012-01-01 TRUE   
#>  5 2012-01-01 02:00:00  3866.        20.2 2012-01-01 TRUE   
#>  6 2012-01-01 02:30:00  3694.        20.1 2012-01-01 TRUE   
#>  7 2012-01-01 03:00:00  3562.        19.6 2012-01-01 TRUE   
#>  8 2012-01-01 03:30:00  3433.        19.1 2012-01-01 TRUE   
#>  9 2012-01-01 04:00:00  3359.        19.0 2012-01-01 TRUE   
#> 10 2012-01-01 04:30:00  3331.        18.8 2012-01-01 TRUE   
#> # … with 52,598 more rows
tsibbledata::vic_elec %>% autoplot(Demand)

^{由reprex 包(v0.3.0) 于 2019 年 11 月 27 日创建}