Java调用R语言完成时间序列预测

1、R语言可以通过按照rJava包，然后调用Java对象

2、Java可以导入Jri包，调用R语言脚本。

Java调用R语言两种方式。

1、Reverse方式

 

import org.rosuda.REngine.REXP;

import org.rosuda.REngine.Rserve.RConnection;

 

public class Test {

    public static void main(String[] args) {

       try {

           RConnection c = new RConnection();

           REXP x = c.eval("R.version.string");

           System.out.println(x.asString());

       } catch (Exception e) {

            e.printStackTrace();

       }

    }

}

 

2、JRI方式

参见JRI示例代码rtest

3、集成过程中可能遇到的坑

环境变量配置

必须配置和系统对应的32位或者64位环境变量，分别位R_HOME,JRI_HOME,R_HOME\bin,JRI_HOME\x64

Rengine类NOTFOUND异常，需要检查Rengine是否添加到工程class path下。fone.components下可能需要在自己的plugin.xml文件中配置，因为重写了PluginClassLoader。

R脚本异常输出

R脚本中支持tryCatch()，可以获取对应的异常，我们此处通过tryCatch获取异常信息，并且输出到日志文件中，格式如下：

output<-tryCatch({

express

},error=function(err){write.table(paste(err,""), file=logFileName, col.names=FALSE)})

R语言中的数据转换

R语言中一般可以通过as.的形式进行数据转换，如：as.numeric(),as.Date, data.as.dataframe()

R语言中的时间序列

R语言中的时间序列，目前只支持日期格式“yyyy-mm-dd”或者“yyyy-mm”格式，即时间序列中的date必须是时间类型，单独的yyyy（年）不行。

R语言中的时间序列预测

时间序列预测，一般用两种预测模型（ARIMA, Holt-winters）。（此部分待补充）（预测分解）

ARIMA使用方式：

datatsfc<-auto.arima(datas)#自动时间序列模型（水平、趋势、季节自动识别调整）

datatsfc2<-forecast(datatsfc,h=forecastPeriodNums)#ARIMA模型预测

Holt-winters：（区分加法模型和乘法模型，即是否考虑季节性趋势）

datatsfc<-HoltWinters(datas)

datatsfc2<-forecast:::forecast.HoltWinters(datatsfc, h=forecastPeriodNums)

预测模型验证

R语言中提供了accuracy()函数对预测结果进行检查。