Simulation/prévision de température quotidienne avec Arima/HW

Question

J'ai une série chronologique de température quotidienne de 1960 à 2015, et je voudrais la prévoir pour 2016. Mon objectif est d'utiliser une méthode simple tout en étant capable de capturer la tendance et la saisonnalité des données au fil du temps. (Je m'inquiète seulement des conditions météorologiques de mai à août, mais je ne sais pas si je peux utiliser les données de mai à août au cours des dernières années pour obtenir des prévisions convaincantes, donc je prévois pendant un an)

I essayé auto.arima, il a suggéré un ordre de (2,0,1), mais les résultats semblaient assez mauvais (voir intrigue) [prévisions de arima] [1]

En outre, j'ai essayé la méthode de lissage HoltWinters et obtenu un résultat apparemment raisonnable. Cependant je ne sais pas si cette méthode est bonne pour prévoir la température. [prévision de HW] [2]

Answer 1

Je suis aussi hésitant à fournir une réponse sans plus d'informations; cependant, je suggérerai que pour quelqu'un qui n'a pas beaucoup d'expérience dans la prévision des séries chronologiques, la fonction auto.arima dans le paquet «prévision» est excellente. Il a une optimisation intégrée qui recherche le meilleur ordre ARIMA (p, d, q). Voici quelques exemples de code:

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) 

Notez que dans la fonction de prévision, vous pouvez définir le nombre de périodes que vous voulez prévoir ainsi que sur les intervalles de confiance (en plus de la prévision ponctuelle).

Duke a un excellent site sur la prévision ARIMA à https://people.duke.edu/~rnau/411arim.htm

Encore une fois, ceci est juste une suggestion. Il existe de nombreuses méthodes de prévision qui fonctionnent mieux que d'autres, compte tenu des problèmes spécifiques.