Я пытаюсь предсказать значение на основе исторических данных.Функция ts () в R загружена 32 месяцами.Когда я разложу этот TimeSerie, я получу следующий результат.
Печатный экран Разложить TimeSeries
Вы можете увидеть сезон и тренд.
Когда я бегуСценарий R
install.packages(forecast)
install.packages(dplyr)
install.packages(TTR)
install.packages("fpp2")
library(forecast)
library(dplyr)
library(TTR)
library(ggplot2)
library(fpp2)
DummyDATA3$X<-c(58438489.43, 7760897.74, 6716940.83, 12419101.83,12061503.17,10489284.36,7543945.60,
3933232.89, 9222001.26, 4587520.77, 5817801.17, 4832440.77, 27810414.64, 6597040.46,
5885012.59,7310623.51,4473150.98,5461631.24,6059878.47,4499952.91,4183396.09,4673311.51,
4713036.50,2053582.50,4319487.49,1133142.80,1295063.09,929577.94,529379.77,323171.24)
DF<-DummyDATA$X
Gts<-ts(DF, start = 2016, frequency = 12)
decompose(Gts)
plot(decompose(Gts))
hw<-HoltWinters(Gts)
plot(hw)
forecast<-predict(hw,n.ahead = 24, prediction.interval = T, level = 0.95)
plot(hw,forecast)
forecast
это результат:
Фильтрация Холта-Винтерса
Есть ли способ получить лучший прогноз с помощьюсезонная составляющая?Например, я ожидал увеличения на 2019,0.
Я использую следующие данные:
DummyData