R 非季节性时间序列预测

所有-

我正在为一个没有季节性的时间序列建立一个预测模型。在其他地区，我用ARIMA来表示单季，TBAT表示多季。然而，现在，我正在处理一个不遵循季节性的时间序列。我希望做一些基本的预测。我每天要处理大约1.5年的数据。时间序列图如下所示（由于我在StackOverflow上的状态，我还不能发布图像，但这是图像的链接：

现在，考虑到这不是季节性的，我以这种方式构建时间序列：

incidentBacklogRolling12DailyTS <- ts(incidentBacklogRolling12Daily$Count, start=c(2014,327), frequency=365.25)

---

incidentBacklogRolling12DailyTS在过去一周左右的研究过程中，我想发布我的解决方案，供将来研究这个问题的人使用。我找到了Rob Hyndman（来自墨尔本的这一领域的研究员）发布的一些资料。我发现在他的一次讲座中，他建议使用auto.arima（）函数。我给Hyndman博士发了一张便条，他建议使用ETS。由于没有可检测的、潜在的模式或季节性，你需要根据最新的数据进行预测，你可以使用像AIRMA和ETS这样的方法进行预测。我对这两种方法都进行了尝试，并能够根据结果得到可接受的结果感谢所有阅读本文的人，就像我说的，我只是想为可能有相同问题的其他人提供我的解决方案。
你真的相信有“信号”吗在统计操作将提取的数据中？可能在信息的尾部-我想这是我的总体问题-我已经考虑过这个问题，并一直在研究其他数据集。一些数据集肯定具有季节性，我已经成功地将模型拟合到它们。我有一些不一定具有季节性因此，我想提出一个问题——有没有一种方法可以将预测与此相匹配，或者我应该把这一预测归为随机预测，并说没有方法提供准确的预测？这对我来说是一个新领域，所以我正在寻求一些专家建议。