用tso函数识别异常值:运行时和错误

Question

我预测每日(日志转换)销售约2500观察。我测试了固定器。我使用tso函数来识别异常值，并包含了回归者，如DayOfWeek、MonthYear、DayOfMonth、WeekOfMonth、WeekOfYear、公共假日。但是，对于某些数据集，我得到以下消息：

Error in arima(y, order = fit$arma[c(1, 6, 2)], seasonal = list(order = fit$arma[c(3, : non-stationary seasonal AR part from CSS

或者：

Error in arima(x = c(3.29950729870049, 3.63367040605144, 59.6705024612701, : non-stationary seasonal AR part from CSS

我在ars.method & tsmethod中尝试了几种选择，但都没有效果。我还希望从条件平方和(CSS)更改为最大似然(method="ML")，但我无法为tso函数找到这样的选项。我很感谢你对如何解决这个问题的反馈意见。

我通过将(p，d，q)(P，D，Q)参数从以前的arima中添加到tsmethod中来修正它，如下所示：

fit <- tso(df.ts,types=c("AO","LS","TC","IO",'SLS'), 
              xreg=cbind(r1.matrix,r2.matrix,r3.matrix,r4.matrix),
            discard.method="bottom-up", tsmethod="arima", 
            args.tsmethod=list(order=c(0,1,1),seasonal=list(order=c(0,0,2), period=7)))

然而，对于一些数据集来说，它只是与tsmethod="auto.arima"一起工作。我感谢对这件事的一些反馈意见。此外，我非常希望得到一些反馈，说明为什么使用tso函数运行代码需要大约一个小时(在最好的场景中)，或者简单地说，它永远不会停止运行。我正在虚拟工作站上运行代码，其特性如下: Intel(R)Xeon @ 2.3 GHz，内存为32.0Gb，SSD为500 GB。

Answer 1

我通过将(p，d，q)(P，D，Q)参数从以前的arima中添加到tsmethod中来修正它，如下所示：

fit <- tso(df.ts,types=c("AO","LS","TC","IO",'SLS'), 
              xreg=cbind(r1.matrix,r2.matrix,r3.matrix,r4.matrix),
            discard.method="bottom-up", tsmethod="arima", 
            args.tsmethod=list(order=c(0,1,1),seasonal=list(order=c(0,0,2), period=7)))

然而，使用一些数据集可以简单地使用tsmethod="auto.arima"。我感谢对这件事的一些反馈意见。此外，我非常希望得到一些反馈，说明为什么使用tso函数运行代码需要花费半到一个小时。我正在虚拟工作站上运行代码，其特性如下: Intel(R)Xeon @ 2.3 GHz，内存为32.0Gb，SSD为500 GB。

Answer 2

关于错误消息和运行时，我也遇到了同样的问题。

异常值<- tso(t(y，start=c(2007,1)，freq=12)，xreg=ts(cbind(x1，x2，x3，x4，dummy1)，start=c(2007,1)，freq=12)，type= c("AO"，"LS"，"TC")，tsmethod = "arima"，args.tsmethod =list(order=c(1，0，0))错误消息:arima中的错误(x= c(-0.335877994658354，-0.325693106566002，-0.327243422084559 )：CSS的非平稳AR部分

我的解决方案不是同时运行所有类型的异常值。例如: outliers_ao_ls <- tso(ts(y，start=c(2007,1)，freq=12)，xreg=ts(cbind(x1，x2，x3，x4，dummy1)，start=c(2007，1，1)，freq=12)，type= c("AO"，"LS")，tsmethod = "arima"，args.tsmethod =list(order=c(1，0，0))

outliers_tc <- tso(t(y，start=c(2007,1)，freq=12)，xreg=ts(cbind(x1，x2，x3，x4，dummy1)，start=c(2007，1，1)，freq=12)，type= "TC"，tsmethod = "arima"，args.tsmethod =list(order=c(1，0，0))

希望能帮上忙。通过单独运行测试，它运行良好。这不是你的问题的理由，但我也没有找到任何解释，如何将估计方法改为"ML“。