R中的时间序列分析（通过每日数据进行短期预测）

Question

我在R工作，我需要询问我每分钟有近11个月的每日数据，例如

Date_Time  Usage_kW
0:00        1.7382
0.01        1.7892
0.02        1.7125
....          .
...           .
....          .
1.00          .
.             .
.       .
.

等等

，并且周期每60分钟重复一次，因此我选择了频率60，但是由于数据非季节性，我无法通过Arima模型获得最佳预测，请帮助我选择正确的频率=？值，开始=？和结束=？值

mydata<-ts(Usage[,2], start=1, end=24, frequency=60)

我想每天（例如24小时）绘制数据？

Answer 1

您应该将每分钟的数据合并到小时或每日或每周中，然后检查ARIMA模型的准确性。 您还可以尝试使用其他预测方法，例如SMA，WMA，Holt Winter，tbats，Prophet等。并选择具有良好准确性（MAPE）的模型。

更新：

一旦观察频率小于一周，则通常有不止一种处理频率的方法。例如，每分钟观察到的数据可能具有每小时的季节性（频率= 60），每日的季节性（频率= 24x60 = 1440），每周的季节性（频率= 24x60x7 = 10080）和年度的季节性（频率= 24x60x365.25 = 525960）。如果要使用ts对象，则需要确定其中哪一个最重要。