非季节性时间序列预测

Question

全部 -

我正在研究一个没有季节性的时间序列的预测模型。在其他地区，我使用ARIMA用于单季用户，TBATS用于多季用户。但是，现在，我正在处理一个没有季节性的时间序列。我希望做一些基本的预测。我正在处理大约1。5年的数据 - 每天采集。时间序列的图如下所示（由于我在StackOverflow上的状态，我还无法发布图像，但这是图像的链接：

http://107.170.210.195/Rplot.png

现在，鉴于这不是季节性的，我以这种方式构建我的时间序列：

incidentBacklogRolling12DailyTS <- ts(incidentBacklogRolling12Daily$Count, start=c(2014,327), frequency=365.25)

这可能是也可能不是这样做的正确方法，但我在这里遵循我的直觉......然后我尝试了各种预测方法 - 显然ARIMA和TBATS已经出局了。但是我尝试了ETS（看起来很有希望）和STL。两者都导致了一条直线＆＃34;从最后一点延伸。现在，我知道我的时间序列最终看起来很平淡，但有一点波动。我还试验了HoltWinters，它产生了非常精确的拟合，但预测再次是一条直线，这次向下倾斜。我希望那里有一个非常好的模型，比如这个非季节性系列。

有没有人对模型（以及可能的模型参数）提出建议。也许我正在使用的是努力 - 也许有一个简单的解决方案，我没有看到。谢谢你的任何建议！

Answer 1

在过去一周左右的研究过程中，我想发布我的解决方案，以便将来对任何人展望。我找到了Rob Hyndman发布的一些材料（来自墨尔本的这个领域的研究员）。我发现在他的一个讲座中，他建议对这些项目使用auto.arima（）函数。我发了。 Hyndman博士给出了一个说明，他建议使用ETS。由于没有可检测的，潜在的模式或季节性，您将要预测最近的数据，您可以使用AIRMA和ETS等方法进行预测。我尝试了它们，并且能够根据数据获得可接受的结果。感谢所有阅读此内容的人，就像我说的那样，我只想为可能遇到同样问题的其他人提供我的解决方案。