当前位置: 首页 > 知识库问答 >
问题:

forecast包中的r:ts()函数中的时间序列预测

章昆琦
2023-03-14

我目前正在处理一个样本数据,该样本数据要求我在R中对给定的数据集执行时间序列预测。所以我需要每天做预测。我收到以下错误消息。

中的错误-。默认(x,趋势):二进制运算符的非数字参数

我的数据格式

Items               Regions         vDate       QTY
Tractor TT35 4WD    Tiruchengode    2016-01-01  2
Tractor TT35 4WD    Tiruchengode    2016-01-02  7
Tractor TT35 4WD    Tiruchengode    2016-01-03  6
Tractor TT35 4WD    Tiruchengode    2016-01-04  0
Tractor TT35 4WD    Tiruchengode    2016-01-05  6
Tractor TT35 4WD    Tiruchengode    2016-01-06  6
Tractor TT35 4WD    Tiruchengode    2016-01-07  1
Tractor TT35 4WD    Tiruchengode    2016-01-08  6
Tractor TT35 4WD    Tiruchengode    2016-01-09  0
Tractor TT35 4WD    Tiruchengode    2016-01-10  4
Tractor TT35 4WD    Tiruchengode    2016-01-11  4
Tractor TT35 4WD    Tiruchengode    2016-01-12  0
Tractor TT35 4WD    Tiruchengode    2016-01-13  6
Tractor TT35 4WD    Tiruchengode    2016-01-14  7
Tractor TT35 4WD    Tiruchengode    2016-01-15  3

在项目栏中我有三种类型,在区域栏中有18个区域,每个区域我有三个项目,每个项目我有两年的数据(2016-01-01至2017-01-31),我需要预测下一年的数量栏(2018-01-31)

我正在使用下面的代码

   ts_temp = ts(dt_ts[Regions==i & Item==j,]$Data,frequency = 365,start = 
   c(2016,1,1))
   # plot(ts_temp)
   #tsss<-decompose(ts_temp)
   #plot(tsss)
    model_hw = HoltWinters(ts_temp) 

当我运行model_hw时,我得到了上述错误。

请提供任何建议,
提前谢谢

共有1个答案

慕铭
2023-03-14

下面的脚本没有给我任何问题:

library(readr)
dt_ts <- read_csv("~/test.csv")
attach(dt_ts)

i = 'Tiruchengode'
j = 'Tractor TT35 4WD'

ts_temp = ts(dt_ts[Regions==i & Items==j,]$QTY,frequency = 365,start = c(2016,1,1))

model_hw = HoltWinters(ts_temp) 

该错误消息意味着HoltWinter()正试图执行二进制操作,如2 2,其内容不是数字。尝试验证您的数据,以确保QTY只包含数字:

class(dt_ts[Regions==i & Items==j,]$QTY)

应返回:

[1] "integer"
 类似资料:
  • 问题内容: 有没有一种方法可以使用Oracle分析功能为数据集生成时间序列预测?我们如何在SQL / ORACLE中执行外推。 下面是我的需要 我有如下数据集,我想预测/推断明年 问题答案: 您可以使用REGR线性回归函数创建简单的预测。 下面是示例架构。或者,您可以使用此SQLFiddle。 该函数处理数字对,它不理解诸如“收入不能低于0”之类的业务规则。如果您希望将预测限制为始终保持在0或之上

  • 我正在阅读Keras中关于使用LSTM进行多元时间序列预测的教程https://machinelearningmastery.com/multivariate-time-series-forecasting-lstms-keras/#comment-442845 我已经看完了整个教程,遇到了一个如下的问题- 在本教程中,在步骤“t-1”中,列车和测试拆分有8个功能,即“污染”、“露水”、“温度”、

  • 我的组织有一个活动,我们有2016年、2017年、2018年的门票销售历史数据。该数据包含按日出售的门票数量,考虑到所有销售期间。 在2019年版的这场活动中,我被要求预测一天的门票销售数量,考虑到所有的销售期,这在某种程度上是为了指导我们度过这段时间,这意味着我们将掌握信息,如果我们高于或低于预期的销售平均水平。 问题是,历史数据以天为单位的销售期大小不同:

  • 问题内容: 我想到一个与使用pybrain进行时间序列回归相关的问题。我计划在pybrain中使用LSTM层来训练和预测时间序列。 我在下面的链接中找到了示例代码 例如请求:递归神经网络,用于预测序列中的下一个值 在上面的示例中,网络能够在训练后预测序列。但是问题是,网络通过将数据一次性输入到输入层来获取所有顺序数据。例如,如果训练数据每个都有10个特征,那么这10个特征将同时被同时馈送到10个输

  • 问题内容: 假设我们有一个包含两列的数据库表,entry_time和value。entry_time是时间戳记,而value可以是任何其他数据类型。记录是相对一致的,大约每隔x分钟输入一次。但是,对于许多x的时间来说,可能无法进行输入,从而在数据中产生“间隙”。 在效率方面,如何通过查询找到至少Y时间(新旧)之间的差距的最佳方法是什么? 问题答案: 首先,让我们按小时汇总表中的条目数。 现在,如果

  • 我在1998-01-01到1998-12-31期间使用TRMM_3B42_Daily产品创建了这个文件。这是我在R中使用的脚本: 通过这个链接,我试图提取值来绘制时间序列,但似乎我正在平均两个单元格的值,而不仅仅是提取单个单元格的值。我该如何解决这个问题?有没有办法创建一个循环,以便它提取不同单元格的值?(在这种情况下,它将是13 x 21=273) 我还发现了另外两个问题,即 excel 文件中