如何解决预测循环事件开始时间
我有一个数据集,其中包含一个相当规律的、重复发生的事件。当事件正在进行时,它被标记为 1。在事件之间它被标记为 0。这是一些示例数据
event_data <- structure(list(timestamp = structure(c(1614355200,1614355260,1614355320,1614355380,1614355440,1614355500,1614355560,1614355620,1614355680,1614355740,1614355800,1614355860,1614355920,1614355980,1614356040,1614356100,1614356160,1614356220,1614356280,1614356340,1614356400,1614356460,1614356520,1614356580,1614356640,1614356700,1614356760,1614356820,1614356880,1614356940,1614357000),class = c("POSIXct","POSIXt"),tzone = "UTC"),event_status = c(0,1,1)),class = c("spec_tbl_df","tbl_df","tbl","data.frame"),row.names = c(NA,-31L),spec = structure(list(cols = list(timestamp = structure(list(),class = c("collector_character","collector")),event_status = structure(list(),class = c("collector_double","collector"))),default = structure(list(),class = c("collector_guess",skip = 1L),class = "col_spec"))
使用阶梯图绘制数据如下所示:
高原的间距和长度通常是规则的,但也有一些变化。在现实中,这样的循环更多,所以想象一下它在过去延伸得更远。我要做的是预测下一个事件或平台何时开始使用这些数据。
我尝试创建一个 ts
对象,然后使用它进行预测。不过,我确定我使用了错误的预测器。这是我到目前为止所得到的:
library(fpp2)
event_ts <- ts(event_data["event_status"],start = c(2021,26,2,16,00),frequency = 525960)
fit_event <- tslm(event_ts ~ trend)
fcast <- forecast(fit_event)
autoplot(fcast)
我认为季节性预测器可能会很有帮助,尽管这些数据的季节性会定期变化。
我可以使用其他任何预测变量来实现这一目标吗?或者还有其他更适合此类预测的模型吗?
另外,我相信其他人也问过类似的问题,所以如果你看过,请在此处链接。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。