[英]Create Time-Series Model with data every 15minutes
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。
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.