টিবিএটিএস মডেল ফলাফল এবং মডেল ডায়াগোনস্টিকগুলি কীভাবে ব্যাখ্যা করবেন

Question

আমি অর্ধ ঘন্টা প্রতিবেদনের ডেটা পেয়েছি, এটি একটি বহু-মৌসুমী সময় সিরিজ। আমি আর- tbatsতে forecastপ্যাকেজ ব্যবহার করেছি এবং এর মতো ফলাফল পেয়েছি:

TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>}) 

এর অর্থ কি এই সিরিজটি বাক্স-কক্স রূপান্তরটি ব্যবহার করার প্রয়োজন নেই, এবং ত্রুটির শব্দটি এআরএমএ (5, 4), এবং ,তুসত্তাকে ব্যাখ্যা করতে 6, 6 এবং 5 পদ ব্যবহার করা হয়? সেই স্যাঁতসেঁতে প্যারামিটারটি 0.8383 এর অর্থ কী, এটি কি রূপান্তরের জন্য?

নিম্নলিখিতটি হল মডেলের পচনশীল প্লট:

আমি ভাবছি মডেলটি সম্পর্কে কি করব levelএবং slopeবলব। 'Opeাল' ট্রেন্ড বলছে, তবে কী হবে level? কীভাবে একটি পরিষ্কার প্লট পাবেন session 1এবং session 2যা যথাক্রমে দৈনিক এবং সাপ্তাহিক মৌসুমী।

tbatsআরএমএসই মান বাদে, মডেলটি নির্ধারণের জন্য কীভাবে মডেল ডায়াগনস্টিকগুলি করবেন তা আমি কী জানি to স্বাভাবিক উপায়টি হচ্ছে ত্রুটিটি সাদা গোলমাল কিনা তা পরীক্ষা করা, তবে এখানে ত্রুটিটি একটি এআরএমএ সিরিজ বলে মনে করা হচ্ছে। আমি ত্রুটির 'এসিফ' এবং 'প্যাকফ' প্লট করি এবং আমার মনে হয় না এটি এআরএমএ (5,4) এর মতো দেখাচ্ছে। এর অর্থ কি আমার মডেলটি ভাল নয়?

acf(resid(model1),lag.max = 1000)
pacf(resid(model1),lag.max=1000)

চূড়ান্ত প্রশ্ন, RMSEলাগানো মান এবং সত্য মান ব্যবহার করে গণনা করা হয়। fc1.week$meanমডেলটি নির্ধারণের জন্য যদি আমি পূর্বাভাসিত মান এবং সত্য মান ব্যবহার করি তবে কী তাকে এখনও বলা হয়?RMSE ? অথবা, এর আরও একটি নাম আছে?

fc1.week <-forecast(model1,h=48*7)
fc1.week.demand<-fc1.week$mean

Answer 1

এর জন্য সহায়তা পৃষ্ঠায় ?tbats, আমরা এটি পাই:

লাগানো মডেলটিকে টিবিএটিএস (ওমেগা, পি, কিউ, ফাই, ...,) মনোনীত করা হয়েছে যেখানে ওমেগা বক্স-কক্স প্যারামিটার এবং ফাই হল স্যাঁতসেঁতে পরামিতি; ত্রুটিটি একটি এআরএমএ (পি, কিউ) প্রক্রিয়া এবং এম 1, ..., এমজে হিসাবে ব্যবহৃত মডেল এবং কে 1, ..., কেজে প্রতিটি মৌসুমের জন্য ব্যবহৃত ফুরিয়ার পদগুলির সাথে সম্পর্কিত সংখ্যা হিসাবে তালিকাভুক্ত as

তাই:

• ওমেগা = 1, এর অর্থ হল যে বাক্স-কক্সের কোনও রূপান্তর ছিল না ।
• $\phi=0$$\phi=1$use.damped.trend জন্য প্যারামিটারটিtbats() ।
• আপনার কাছে তিনটি পৃথক alতুচক্র রয়েছে, একটি দৈর্ঘ্যের 48 = 24 * 2 (দৈনিক), দৈর্ঘ্যের একটি 336 = 7 * 24 * 2 (সাপ্তাহিক) এবং দৈর্ঘ্যের একটি 17520 = 365 * 24 * 2 (বার্ষিক)। tbatsছয়টি ফুরিয়ার পদ ব্যবহার করে প্রথমটির সাথে ফিট করে, দ্বিতীয়টি আবার ছয় দিয়ে, শেষটি পাঁচটি দিয়ে।

ডি লাইভ্রা, হ্যান্ডম্যান ও স্নাইডার মূল টিবিএটিএস পেপার (2011, জাসা) ) অবশ্যই দরকারী।

পরবর্তী:

• "স্তর" সময় সিরিজের স্থানীয় স্তর।
• "ট্রেন্ড" স্থানীয় প্রবণতা।

এগুলি আরও সাধারণের সাথে সাদৃশ্যপূর্ণ লোয়েস (এসটিএল) ব্যবহার seasonতু-প্রবণতা পচে যাওয়ার উপমা । একবার দেখুনstl()কমান্ডটি ।

সিজন 1 এবং সিজন 2 এর আরও পরিষ্কার প্লট পেতে, আপনি আপনার টিবিএটিএস মডেলের পৃথক উপাদানগুলির সংখ্যাসমূহের উপর নজর রাখতে পারেন। তাকান str(tbats.components(model1))এবং summary(tbats.components(model1))। tbats.components()আপনাকে একাধিক সময় সিরিজ দেয় (mts ) অবজেক্ট দেয় যা মূলত একটি ম্যাট্রিক্স - কলামগুলির মধ্যে একটি আপনাকে প্রতিটি মৌসুমী উপাদান দেবে।

residuals()এটি আর-এর যে কোনও জায়গায় কাজ করে এমনভাবে কাজ করা উচিত; এটি হ'ল চূড়ান্ত অবশিষ্টাংশগুলি ফিরিয়ে দেওয়া উচিত । এগুলিতে অবশ্যই সাদা আওয়াজ হওয়া উচিত, কারণ এগুলিই অবশিষ্টাংশ এআরএমএ প্রয়োগ করার পরে (5,4)। আপনার এসিএফের শিখরগুলি নিয়মিত বলে মনে হচ্ছে - দেখে মনে হচ্ছে কিছু বাকি seasonতু রয়েছে। আপনি তাদের সাময়িকী সময়কাজ করতে পারবেন? (এটি সত্যিকার অর্থে সাহায্য করে না যে ল্যাগগুলি দীর্ঘতম মৌসুমী চক্রের বহুগুণে গণনা করা হয়))

অবশেষে, হ্যাঁ, মূলটির অর্থ স্কোয়ার ত্রুটি, যা একটি সাধারণ পয়েন্ট পূর্বাভাস নির্ভুলতার পরিমাপ , একই নমুনা বহির্গমন: আরএমএসই।

Comments

অনেক ধন্যবাদ! হ্যাঁ, এসিএফের শিখরটি নিয়মিত, 48 টি লগের মধ্যে একটি শিখর। সমস্যাটি হ'ল আমি ইতিমধ্যে আমার সময় সিরিজের 48 টি মৌসুমী হিসাবে অন্তর্ভুক্ত করেছি। মৌসুমী অবশিষ্টাংশ ঠিক করতে আপনি সাধারণত কীভাবে করেন? চেষ্টা করার মতো আর কিছু?

— জ্যানি

হাম। দুর্ভাগ্যক্রমে, আমি tbats()নির্দিষ্ট মৌসুমীর জন্য আরও ফুরিয়ার শর্তাদি অন্তর্ভুক্ত করার জন্য বল প্রয়োগ করার উপায় দেখছি না । দুঃখিত ...

— স্টিফান কোলাসা