电动汽车时间偏离的预测模型

Question

我实际上正在研究一种带有R的电动汽车时间偏离的预测模型。作为数据，我有两年前的时间偏离历史，我正在寻找构建带日期的预测模型（一天）作为输入，模型的输出将是时间偏离。 可以考虑在两次开始之间一小时执行一个步骤（例如：18h35 - ＆gt; 18h00）

1. 我试图将问题视为聚类一个（1表示“有离开”，0表示“无”）并应用randomForest模型（白天和小时作为输入，1或0作为输出） ，但模型无法找到输出和输入之间的链接，并观察当天或小时，模型给出了这个结果：“1）root 13561 730 0（0.9461 0.0538）*”。

2. 考虑到的其他想法是使用时间序列，使用arima或nnet但是徒劳无法获得任何结果

Ps：你会在下面找到一个如何给出数据的图像。但是我有超过1460次出发事件，相当于2年的驾驶（2014,2015,2016）。



对这两种方法有什么想法？

Answer 1

从你提到的方法来看，恐怕模型在整个2年内的平均出发时间都不会超过。

您显然必须创建更复杂的日历变量作为模型输入。您可能想要添加：

• 一天中的小时（数字因素）

• 日期类型（工作日/星期六/星期日）

• 国定假日/学校假期

为什么不将它与一些气候数据联系起来，根据我的经验，这些数据通常会产生一些影响：

• 降雨预测

• 室外温度

您还可以添加滞后变量：

• 前一天的使用情况（出发次数）

• 其他车辆的使用

完成此设置后，如果使用线性模型，则必须测试多个交互;但是机器学习模型可以在这里得到好的结果（整体算法的神经网络）

无论如何，我猜这种问题更适用于Cross Validated网站