Question

我正在使用Rob Hyndman提供的同一段代码在1级（2个节点）和2级（5,1个节点）上进行hts时间序列预测。但是我得到的MAPE值非常高（大多数Nodes预测都超过30）

我尝试使用由Rob提出的Arima模型（对于所有方法-自上而下，自下而上等）使用Tuning参数：Hierarchical Time Series

full <- aggts(data)
fcfull <- matrix(0, ncol=ncol(full), nrow=15)
for(i in 1:ncol(full))
{
  fcfull[,i] <- forecast(Arima(full[,i], 
                       order=fmodels[[i]]$arma[c(1,6,2)],
                       seasonal=fmodels[[i]]$arma[c(3,7,4)]),
                       h=15)$mean
}
forecast.full <- combinef(fcfull, nodes=data$nodes)

我需要高精度MAPE。大约是10

Answer 1

我有一些使用<script nonce='123456'> someFunction() </script>进行预测的经验。在大多数情况下，MinT对帐可提供更好的出样精度。

有时证明改变协方差矩阵（covariance =“ shr”或covariance =“ sam”）的估计是有用的。

最后，您可以在hts函数中尝试其他模型作为FUN参数（nnetar，arfima ...）。

我想提高我的HTS时间序列预测的准确性（MAPE）

1 个答案: