R中的时间序列预测，单变量时间序列

Question

我目前正在开展一个学校项目，要求我在一组给定的数据中对R进行时间序列预测。我已经查找了无数关于如何执行此操作的示例，但我找到的每个示例都包含一个记录数据的数据集，例如，在15年的过程中每月一次。我教授给我的数据集记录了每0.001秒的数据，并且同一秒内有多个数据条目。例如，在数据的末尾有五个不同的条目，为.02500秒。

我对单变量时间序列的理解是一个时间序列，它在特定的时间段内进行测量，例如每个月或每千分之一秒。每当我尝试对数据集（adeno）进行时间序列预测时，我会在代码下面看到如下所示的错误。

> fit <- auto.arima(adeno)
Error in auto.arima(adeno) : 
  auto.arima can only handle univariate time series

谁能告诉我哪里出错了，或者我是否误解了什么？我曾尝试使用R中的ts（）命令将数据集转换为时间序列，但我必须做错事，因为即使在此之后它也表示它不是一个非单变量的时间序列。

Answer 1

错误意味着它所说的，auto.arima只能处理单变量时间序列。由于您提到您的数据集对于每个时间单位都有多个条目，因此如果您使用ts进行转换，则它是一个多变量时间序列。你可以按照以下方式做点什么：

adenoTS = ts(adeno)
arima_fit = auto.arima(adenoTS[,1])

为了解决评论部分中的第二个问题，我使用了airquality数据集进行演示：

require(forecast)
# Convert as time series
airTS = ts(airquality)
# Plot multivariate ts
plot(airTS[,1:4])
# Run auto.arima on a single ts
arima_fit = auto.arima(airTS[,3])
# Forecast for the next 10 time units
arima_forecast = forecast(arima_fit, h = 10)
# Plot forecasts
plot(arima_forecast)

来自forecast()包的

forecast可让您预测下一个h时间单位。什么＆＃34;时间单位＆＃34;在这种情况下，意味着取决于您在airTS = ts(airquality)步骤中定义时间序列的方式。在这里，我没有打算正确转换它，但您可以在start =中添加frequency =和ts()参数来指定ts的开始时间和频率。

plot的{​​{1}}方法可让您绘制预测结果。请参阅forecast。

Answer 2

尽管我的数据集中每个时间单位都没有多个条目，但这纯粹是单变量的，该功能无法正常工作。

在auto.arima参数中添加[，1]有助于解决问题： autoarima1 <-auto.arima（TR_2015_2019_ts [，1]）