我正在尝试使用R为每半小时间隔到达支持中心的呼叫到达量预测。以下是我正在使用的代码。
library(TSA)
library(forecast)
# Determine seasonality of time series
ts_report = read.csv("C:/Users/call_volume.csv")
p = periodogram(ts_report$contacts)
# Sort by the power of the signal
df = data.frame(freq=p$freq, spec=p$spec)
sorted_by_power = df[order(-df$spec),]
# Convert the frequency to time
calculate_periodicity = 1 / sorted_by_power$freq
print(calculate_periodicity)
# Conver to msts package to plug into fourier
msts_usage = msts(ts_report$contacts,seasonal.periods = c(335, 48, 168, 68, 112, 62, 18225))
log_msts_usage = log(msts_usage + 0.00000000000001)
# calculate the order of the arima model
usage_arima_model <- auto.arima(log_msts_usage,
xreg=fourier(log_msts_usage,K=c(2, 2, 2, 2, 2, 2, 2)), seasonal=FALSE)
# forecast using the arima model
usage_forecast = forecast(usage_arima_model, xreg=fourier(log_msts_usage, K=c(2, 2, 2, 2, 2, 2, 2), h=1488))
# set values in recursive list "usage_forecast" to exponential values
usage_forecast$mean= exp(usage_forecast$mean)
usage_forecast$x = exp(usage_forecast$x)
usage_forecast[["lower"]] = exp(usage_forecast[["lower"]])
usage_forecast[["upper"]] = exp(usage_forecast[["upper"]])
# plot
autoplot(usage_forecast, xlab = 'Time', ylab = 'Usage')
当我在未将msts_usage设置为log（msts_usage）的情况下运行此命令时，我得到了一个负的预测值，这对于呼叫中心没有意义。因此，我一直在尝试对msts_usage的日志值使用Arima模型。但是，一旦创建了预测，我就需要将数据转换回原始比例。这是我遇到问题的地方。
由于它是一个递归列表，因此我无法在usage_forecast上运行exp（），因此我试图在列表中找到合适的值来运行exp（）。当我在均值上运行exp（）时，x将自动绘图的Y访问量降低和提高，将其缩放至8e + 16，这使该图不可读。
我希望有人能够帮助我弄清楚我是否做对了，以及应该使用exp（）重新缩放哪些值