Eu tenho dados de demanda por hora e meia, que é uma série temporal multi-sazonal. Eu usei tbats
no forecast
pacote em R e obtive resultados como este:
TBATS(1, {5,4}, 0.838, {<48,6>, <336,6>, <17520,5>})
Isso significa que a série não deve necessariamente usar a transformação Box-Cox, e o termo de erro é ARMA (5, 4), e os termos 6, 6 e 5 são usados para explicar a sazonalidade? O que esse parâmetro amortecido 0.8383 significa, também é para transformação?
A seguir, é apresentado o gráfico de decomposição do modelo:
Eu estou querendo saber o que fazer level
e slope
dizer sobre o modelo. A 'inclinação' conta a tendência, mas e quanto level
? Como obter uma plotagem mais clara para session 1
e session 2
, que são diárias e semanalmente sazonais, respectivamente.
Também sei o que saber como fazer o diagnóstico do modelo para tbats
avaliar o modelo, exceto o valor RMSE. A maneira normal é verificar se o erro é ruído branco, mas aqui o erro deve ser uma série ARMA. Eu planto 'acf' e 'pacf' do erro, e não acho que pareça com ARMA (5,4). Isso significa que meu modelo não é bom?
acf(resid(model1),lag.max = 1000)
pacf(resid(model1),lag.max=1000)
A pergunta final RMSE
é calculada usando o valor ajustado e o valor verdadeiro. E se eu usar o valor previsto fc1.week$mean
e o valor verdadeiro para avaliar o modelo, ele ainda é chamado RMSE
? Ou existe outro nome para isso?
fc1.week <-forecast(model1,h=48*7)
fc1.week.demand<-fc1.week$mean