Я пытаюсь спрогнозировать сезонный набор значений, который также имеет тенденцию, используя метод зимнего Холта.Это почасовые данные за 3 недели.
Я оставляю каждый параметр (в том числе альфа, бета и гамма) для оптимизации модулем python, и тренд не демпфируется.
Тренд и сезонность устанавливаются как «Добавить», а период = 24 * 7.Я мог бы установить его на 24, но я бы «потерял» информацию выходных.Я прогнозирую 7 * 24 балла.
Вот как это выглядит: (Я также добавил линейную регрессию наименьших квадратов начальных значений и одну для прогнозируемых значений.) Прогноз и начальные значения (извините за ссылку, у меня нет рэпа для отображения картинки здесь)
Я полагал, что уровень был слишком низким, а значение тренда слишком высоким.Но я не могу найти способ исправить это.Я пытался увеличить альфа-значение, придать больший вес последним значениям и повысить уровень, но даже при альфа = 0,99 это ничего не меняет ...
Для всего этого яИспользуя модуль Python ExponentialSmoothing , я в основном использовал эту статью Прогнозирование: принципы и практика .Из того, что я прочитал, должно быть в состоянии правильно учесть эту тенденцию.Я считаю, что использование экспоненциального сглаживания с линейным трендом немного излишне, но, по крайней мере, я могу справиться с сезонностью и трендом в одном модуле.В этом случае я мог бы просто «вручную» добавить линейный тренд к прогнозу, но я не уверен на 100%, что всегда буду сталкиваться с такими тенденциями.
Если кто-нибудь сможет дать мне некоторое представлениео том, почему он так себя ведет, и если есть способ это исправить, это было бы здорово!Заранее спасибо