R - 可变起点每周稀疏数据的时间序列预测

时间:2015-03-26 05:00:46

标签: r statistics time-series forecasting

我正在为一个问题建立一个时间序列预测模型,该模型涉及制造商的数据集及其在大型零售店的产品。

问题如下:

  1. 假设您有数千家制造商。 (M1至Mn)
  2. 有一个零售店会从这些商店取货 制造商出售。
  3. 制造商每周向商店提供产品 基础(相同价格或不同的同类产品或新产品) 价格,但为简单起见,我们说它们提供了新的独特性 产品)(从W1到Wn)
  4. 每个制造商都会开始与零售店合作 在不同的日期。(可以是过去的任何事情)
  5. 从他们开始与零售店合作的时候开始 历史表明,一些制造商一直在不断 每周供应产品,有些产品稀少。
  6.   

    在下面的数据集中(N / A表示他们还没有开始与之做生意   零售商,例如制造商M1在第3周加入零售商   我们的第一次提供的时间窗口是10)

           W1 -  W2 -  W3 -  W4 -  W5 - W6 - W7 - W8 - . - . - . - Wn 
    M1 - | N/A | N/A | 10  | 0   | 5  | 0  | 10 | 15 | 12 | . | . | 23 |
    M2 - | 10  | 5   | 12  | 8   | 4  | 9  | 0  | 0  | 0  | . | . | 4  |
    M3 - | 9   | N/A | 0   | 0   | 45 | 45 | 45 | 38 | 12 | . | . | 11 |
     . - | N/A | N/A | N/A | N/A | 12 | 0  | 10 | 15 | 12 | . | . | 28 |
     . - | N/A | N/A | N/A | 0   | 5  | 0  | 8  | 15 | 12 | . | . | 12 |
     . - | 5   | N/A | 60  | 0   | 5  | 0  | 40 | 67 | 23 | . | . | 46 |
     . - | N/A | N/A | 12  | 9   | 12 | 15 | 10 | 15 | 43 | . | . | 9  |
    Mn - | 0   | N/A | 90  | 78  | 65 | 0  | 10 | 15 | 12 | . | . | 65 |
    

    现在假设对于所有制造商,我想预测,从他们接下来的8周供应他们将从这个历史数据(即从Wn接下来的8周,我... Wn + 1到Wn)做起。 +8)。

    我正在尝试使用R中的Auto ARIMA和季节性天真模型进行预测。

    tsfull<- ts(tsdata, start=c(ts_series_strt_dt,weeknum_strt), freq=52)
    
    tswindow<- window(tsdata, start=c(ts_series_strt_dt,weeknum_strt), end=c(ts_series_end_dt,weeknum_end)) 
    
    SN<-snaive(tswindow, 8)
    AR<-forecast.Arima(auto.arima(tswindow), h=8)
    etsfr<-forecast(ets(tswindow), h=8)
    stlffr<-forecast(stlf(tswindow), h=8)
    

    由于数据包含很多零,因为每个制造商的系列起点完全不同,我们也有成千上万的制造商,我看到RMSE错误变化不大,因为每个系列都是独一无二的。此外,我尝试根据他们的年龄与出口分组制造商。我无法确定适合此问题的最佳预测模型。

    我不是这个领域的专家。任何想法和意见都会非常有帮助。

0 个答案:

没有答案