我从另一个回归得到了以下时间序列的残差。 一个指数是一天。您可以直接观察年份周期。
目的是通过它来拟合谐波函数,以便将基础时间序列的其他部分进一步展开。
我非常感谢您对用于估算正确参数的函数的想法!从acf我们了解到还有一周的周期。但是,这个问题我稍后将与sarima进行讨论。
答案 0 :(得分:2)
这似乎是为傅立叶变换设计的那种东西。
尝试
fftobj = fft(x)
plot(Mod(fftobj)[1:floor(length(x)/2)])
此图中的峰值对应于拟合中具有高系数的频率。 Arg(fftobj)将为您提供阶段。
答案 1 :(得分:0)
我试过了,但它提供了一个看似指数分布的预测。我用另一种方式解决了这个问题。我为每个月添加了一个因子组件并绘制回归。在下一步中,我对该回归的结果进行了平滑处理,得到了一个比谐波函数更准确的年内模式。例如。在6月和7月(大约185)期间,通常存在低水平但也有大量峰值。