每 15 分鍾用數據創建時間序列模型

Question

我正在開發一個 SHM 系統，其中每 15 分鍾就有一次來自結構傳感器的數據。 我有一組觀察結果，其中沒有損壞，另一組觀察到模擬了某種損壞。 我的目標是獲取未損壞的數據並使用它進行預測。 然后將此預測數據與未損壞的數據進行比較，然后將使用這種差異來創建控制圖。

但是，我的未損壞數據大約為 5 個月，損壞狀態為 8 個月。 我嘗試使用 96（1 天）和 35060（1 年）的多個季節性 ( msts ) 來探索forecast包，因為我相信它與溫度有關。

我創建的模型遵循某種可能類似於現實的模式，其幅度很小，而真實數據的波動性要大得多。

有人可以指出我下一步要做什么以及如何做的正確方向嗎？

PS：當使用ts函數時，即使我試圖讓它從2018-04-27 14:15:00開始，在繪制ts對象時總是從1-1-2018開始。 我認為這比任何事情都更美觀，但將其設置正確將不勝感激。

Answer 1

ts和msts對象不太適合高頻數據。 我建議您嘗試通過tsibble包（ http://tsibble.tidyverts.org ）使用tsibble對象。 使用tsibble ，時間索引是明確的。 這是一個使用 30 分鍾數據的示例。

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) 於 2019 年 11 月 27 日創建}