R-处理我的时间序列期间的变化

我有数据，以小时分辨率表示，如下所示：

Time    traffic
6/7/2005 7:00   56718587433
6/7/2005 8:00   76456162968
6/7/2005 9:00   82534038485
6/7/2005 10:00  88796995092

 ...

7/28/2005 10:00 51528036132
7/28/2005 11:00 69610584123
7/28/2005 12:00 76364975533
7/28/2005 13:00 81281257078

数据如下所示：

正如人们所看到的，有一个明显的季节性1天（每个周期），1周（7个周期）-但在一周中有一个模式[5天-2天，5天2天…]

我的问题是如何捕捉这种模式

以下是我为捕捉每日和每周季节性所做的工作：

library(forecast)
data<-read.csv("internet-traffic-data-in-bits-fr.csv")
model <- msts(data[,2], seasonal.periods=c(24,168))
model.fit <- tbats(model)
plot(forecast(model.fit))

库（预测）
数据您尚未解释绘制的模型。它不是代码中的
模型
对象，它只是一个多季节时间序列。我建议你用
tbats
来做模特，而不是你用的任何东西。伙计，你是一个传奇——我到处都能找到你。实际上，我现在在你的优秀书籍《预测-方法和应用》中，绘制的数据来自你的网站（<代码>互联网流量数据的FR ），几周前我还给你发了一封电子邮件，你把它转发给了Denny Meyer…小世界。抱歉没有提及-但我实际上使用的是
tbats
-我将在代码中编辑它。我的问题是，我怎样才能得到一个更好的预测——因为正如你所看到的，预测并不是那么好。非常感谢你！！你教了我这么多，甚至都不知道：）你还没有解释绘制了什么模型。它不是代码中的
模型
对象，它只是一个多季节时间序列。我建议你用
tbats
来做模特，而不是你用的任何东西。伙计，你是一个传奇——我到处都能找到你。实际上，我现在在你的优秀书籍《预测-方法和应用》中，绘制的数据来自你的网站（<代码>互联网流量数据的FR ），几周前我还给你发了一封电子邮件，你把它转发给了Denny Meyer…小世界。抱歉没有提及-但我实际上使用的是
tbats
-我将在代码中编辑它。我的问题是，我怎样才能得到一个更好的预测——因为正如你所看到的，预测并不是那么好。非常感谢你！！你教了我这么多，甚至都不知道：）