Vektorielle Modelle vs. univariate Komponentenmodelle
Ermitteln Sie die stündlichen Temperaturwerte für Champaign, Illinois im Mai 2014.
Berechnen Sie mit TimeSeriesAggregate die täglichen Mindest- und Höchsttemperaturen.
Kombinieren Sie diese zu einer vektoriellen Zeitreihe.
Out[4]= | |
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[5]= | |
Der erste Teil der Daten wird zur Ermittlung eines Modells verwendet, während die restlichen Daten als Referenz für die Prognose dienen.
Die Temperaturen sind kreuzkorreliert.
Out[7]= | |
Stellen Sie die Daten in einem vektoriellen Modell dar.
Out[8]= | |
Erstellen Sie eine Prognose für die nächsten 5 Tage.
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[10]= | |
Finden Sie separate univariate Modelle desselben Typs für Höchst- und Mindesttemperaturen, jedoch für längere Folgen.
Out[11]= | |
Out[12]= | |
Kombinieren Sie die univariaten Prognosen, um sie graphisch darzustellen.
Out[13]= | |
Vergleichen Sie die Prognosen.
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[15]= | |
Stellen Sie die vektorielle Prognose und die 95 %-Konfidenzbänder graphisch dar.
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[17]= | |
Stellen Sie die univariaten Prognosen und die 95 %-Konfidenzbänder graphisch dar.
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[20]= | |
Vergleichen Sie beide Prognosen und die entsprechenden Konfidenzbänder.
Die gesamte Wolfram-Language Eingabe zeigenEingabe verbergen
Out[21]= | |