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:
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。