基于Arima/HW的日气温模拟/预报

我有一个从1960年到2015年的日温度时间序列，并希望预测2016年。我的目标是使用一种简单的方法，同时仍然能够捕获数据随时间变化的趋势和季节性。（事实上，我只关心5月至8月的天气情况，但我不确定是否可以仅使用过去几年5月至8月的数据来获得令人信服的预测，因此我预测了一年）

我试过auto.arima，它建议的顺序是（2,0,1），但结果似乎很糟糕（见图表）[来自arima的预测][1]

此外，我尝试了Holtwiners平滑方法，得到了一个看似合理的结果。然而，我不知道这种方法是否能很好地预测温度。

---

[HW预测][2]

我也不太愿意在没有更多信息的情况下给出答案；但是，我建议，对于没有时间序列预测经验的人来说，“forecast”包中的auto.arima功能非常出色。它有一个内置的优化，搜索最佳的ARIMA顺序（p，d，q）。下面是一些示例代码：

install.packages("forecast")
library(forecast)

set.seed(1234)
tsdatav <- (seq(1:300) + rnorm(300, 1000, 10))
myts <- ts(tsdatav, frequency = 365, start = c(2017, 6))
mytsfit <- auto.arima(myts)
mytsfit  #to my example data, fit an ARIMA(5,1,0) with drift
mytsforecast <- forecast(mytsfit, 50, level = c(80, 95))
plot(mytsforecast)

install.packages（“预测”）
图书馆（预测）
种子集（1234）
你的问题太宽泛了。请集中注意力。也许读过。尽管这个问题可能过于宽泛，但这是一个很好的答案+1我使用auto.arima函数预测未来365天的温度，但是，该预测似乎没有捕捉季节性。我还使用了Holtwiners平滑方法，通过绘图，结果似乎还可以。但这并不真正令人信服。我将编辑上面的问题。