Zaman serisi tahmini yaparken iyi uygulamalar

Aylardır kısa vadeli yük tahmini ve doğruluğu artırmak için iklim / hava durumu verilerinin kullanımı üzerinde çalışıyorum. Bir bilgisayar bilimi geçmişim var ve bu nedenle ARIMA modelleri gibi istatistik araçlarıyla çalışırken büyük hatalar ve haksız karşılaştırmalar yapmaya çalışmıyorum. Birkaç şey hakkındaki görüşünüzü bilmek istiyorum:

1. Hava verilerinin tahmin üzerindeki etkisini araştırmak için hem (S) ARIMA hem de (S) ARIMAX modellerini kullanıyorum, ayrıca Üstel Düzeltme yöntemlerini de kullanmanın gerekli olacağını düşünüyor musunuz?

2. 300 günlük örneklerden oluşan bir zaman serisine sahip olmak İlk iki haftadan başlıyorum ve auto.arima R işlevi (tahmin paketi) ile oluşturulan modelleri kullanarak 5 günlük bir tahmin gerçekleştiriyorum. Sonra, veri setime başka bir örnek ekliyorum ve modelleri tekrar kalibre ediyorum ve mevcut verilerin sonuna kadar 5 günlük bir tahmin daha yapıyorum. Bu şekilde çalışmanın doğru olduğunu düşünüyor musunuz?

Önerileriniz için teşekkür ederiz, işimizin hedefi bir mühendislik dergisi makalesi olsa da, istatistiksel açıdan olabildiğince titiz bir çalışma yapmak istiyorum.

1. Bence üstel yumuşatma modellerini de keşfetmeye değer. Üstel yumuşatma modelleri, ARIMA modellerinden temelde farklı bir model sınıfıdır ve verilerinizde farklı sonuçlar verebilir.

2. Bu geçerli bir yaklaşım gibi geliyor ve Rob Hyndman tarafından önerilen zaman serisi çapraz doğrulama yöntemine çok benziyor .

Her tahminden (üstel yumuşatma, ARIMA, ARMAX) çapraz doğrulama hatasını toplar ve daha sonra 3 yöntemi karşılaştırmak için genel hatayı kullanırdım.

Ayrıca auto.arima kullanmak yerine ARIMA parametreleri için bir "ızgara araması" da düşünmek isteyebilirsiniz. Bir ızgara aramasında, bir arima modeli için olası her parametreyi keşfeder ve ardından tahmin doğruluğunu kullanarak "en iyi" olanları seçersiniz.