對來自多個城市的時間序列數據進行建模（一周時間）

Question

我正在嘗試從包含 4 個不同城市的 df 中獲取 model 溫度數據，我最初想將 model 安裝到 model 我的 1 個位置的溫度。 最初我想安裝一個 model 來預測海威科姆，但我不確定如何在保留每個位置的數據的同時做到這一點。 這是可能的嗎，還是我需要在執行此操作之前進一步拆分數據並分別 model ？ 例如，我最初這樣做雖然希望能夠讓我的預測和 plot 工作；

dat_hw = c(15.4, 15.5,  9.8, 10.1, 11.7, 10.0, 14.1)
hw_ts = ts(dat_hw, frequency = 365, start = c(2020, 305))

mod = auto.arima(hw_ts)

preds = predict(mod)

plot(preds$pred)

在理想的世界中，我將能夠 model 我的所有數據，然后盡可能預測每個單獨的位置

整體數據

Date           Machrihanish High_Wycombe Camborne Dun_Fell
1 20201101         11.8         15.4     15       10.4
2 20201102         11.1         15.5     15       10.5
3 20201103         9.7          9.8      10.5     2.2
4 20201104         11           10.1     11.6     3.3
5 20201105         11.7         11.7     11.6     9.7
6 20201106         11.3         10       13.1     10.4
7 20201107         10           14.1     14.4     11.9

Answer 1

您可以將預測代碼包裝在 function 中， apply其應用於每一列：

f <- function(d) {
  hw_ts = ts(d, frequency = 365, start = c(2020, 305))
  mod = auto.arima(hw_ts)
  predict(mod)
}
predictions = apply(data[,-(1:2)],2,f)