R语言ARIMA集成模型预测时间序列分析

本文利用R语言对每周温度序列进行ARIMA集成模型预测,包括auto.arima、SARIMA和Buys-Ballot方法。通过比较不同模型的预测结果,探讨加权平均值优化模型的可能性,最终发现Buys-Ballot模型表现最优。
摘要由CSDN通过智能技术生成

全文链接:http://tecdat.cn/?p=18493

本文我们使用4个时间序列模型对每周的温度序列建模。第一个是通过auto.arima获得的,然后两个是SARIMA模型,最后一个是Buys-Ballot方法点击文末“阅读原文”获取完整代码数据)。

我们使用以下数据

k=620
n=nrow(elec)
futu=(k+1):n
y=electricite$Load[1:k]
plot(y,type="l")

cc0dd58aeda7447cbe423bbc3447c6a4.png

我们开始对温度序列进行建模(温度序列对电力负荷的影响很大)

相关视频

y=Temp
plot(y,type="l")

e48c480513a61c62b11090359f996c90.png

abline(lm(y[ :k]~y[( :k)-52]),col="red")

99d0d6bcdac1f09fb45348490b256f6d.png


点击标题查阅往期内容

c14609847f26dcce44b5380c61095543.jpeg

ARMA-EGARCH模型、集成预测算法对SPX实际波动率进行预测

outside_default.png

左右滑动查看更多

outside_default.png

01

02e608cea4db714a4e4605d36dc747c6.png

02

a21a03dfeee45ee71ec47a9adedbe4c8.png

03

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值