时间序列预测

Question

以下是数据：

l <- data.frame(date = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24))

k <- data.frame(cost = c(25,20,18,15,5,0,0,0,10,15,30,40,45,34,26,20,10,7,4,4,15,34,57,62))

m <- cbind(l,k)

ggplot(m, aes(mdate,m#qcStackCode#cost)) + geom_line()

这是我得到的图表：

什么是一个好的预测模型？我认为我可以使用多项式回归，如果我子集的最大值和最小值。为了更好的理解，请看下面的图片。(红色表示最大，蓝色表示最低，线条创建使用油漆解释一个点)

另一种方式，我不知道它是什么，但我想他们用它来预测天气，不确定得到下面的蓝线的公式会是什么样子。(为了更好地理解，请看下面的图表)

什么是合适的公式，以获得蓝色拟合线和预测点突出显示的红色？

Answer 1

利用Holt-温特斯模型可以得到一些类似于蓝色拟合线的信息.从R.中的HoltWinters()包中检查stats函数。

您可以找到一些示例这里和这里。

Answer 2

通过画出那条蓝线，你就可以看到，如果事情继续发展，他们一定会再次下降。如果是这样的话，那是一个周期性的行为，所以ARIMA (甚至只是arma)是一个很好的起点。