电动汽车偏离时间的预测模型

Question

我实际上正在研究一个电动汽车的时间偏离的预测模型，用R作为数据，我有两年前的时间偏离的历史，我想用日期(日)作为输入来构建一个预测模型，模型的输出将是时间偏离。在两次启动之间可以考虑一个小时的步骤(例如：18h35->18h00)

1. 我试图将问题聚类为一个与(1为“有偏离”，0为“无”)的问题，并应用以(日和小时为输入，1或0为输出)的randomForest模型，但是该模型无法找到输出和输入之间的联系，并且动摇了日期或时间，模型给出了这样的结果："1)根13561 730 0 (0.9461 0.0538)*“。
2. 想到的另一个想法是使用时间序列，使用arima或nnet，但我没有得到任何结果。

Ps:你会发现下面是如何给出数据的图片。但我有超过1460起与驾驶两年相对应的离场事件(2014,2015,2016)。

​

​

对这两种方法有什么想法吗？

Answer 1

从你提到的方法来看，我担心这个模型将无法在整个两年中学习到超过平均起飞时间的信息。

显然，您必须创建更复杂的日历变量作为模型输入。您可能需要添加：

• 一天中的小时(以数值计算)
• 一天类型(平日/星期六/星期日)
• 国定假日/学校假期

为什么不把它和一些气候数据结合起来，根据我的经验，这些数据通常有一些影响：

• 降雨预报
• 室外温度

还可以添加滞后变量：

• 前一天的使用情况(起飞次数)
• 其他车辆的使用

有了这个设置，如果你使用线性模型，你必须测试多个交互作用；但是机器学习模型可以在这里产生良好的效果(神经网络的集成算法)。

不管怎么说，我想这种问题在交叉验证的网站上更有意义。