我正在使用R,我有每周的数据(总共660个数据),我想使用来自季节包的X-13阿里玛座位来季节性地调整我的数据。我将数据存储在ts对象中:
library(lubridate)
x <- ts(data, freq=365.25/7, start=decimal_date(ymd("2004-02-01")))
library(seasonal)
x_sa <- seas(x)
但是,我得到了错误:
Error: X-13 run failed
Errors:
- Seasonal period too large. See Section 2.7 of the
我有一个栅格堆栈代表蒸散(ET)与396层(3个光栅层,一个月,共11年,在2009年至2019年)。对于每个月,栅格层总是代表一个月的第一天、第十一天和第二十一天,称为dekad。下面是示例数据集
library(raster)
#create a raster with random numbers
r <- raster(ncol=5, nrow=5, xmx=-80, xmn=-150, ymn=20, ymx=60)
values(r) <- runif(ncell(r))
#create a random raster stack for 3 raster a mo
我目前正在开发一款应用程序,它会询问我现在是什么季节。我已经制作了所有四季的单选按钮,只是想知道我如何能够检查他们现在根据月份选择的季节是正确的。顺便说一句,它在一个碎片上。
这是我现在的代码。
public class FragmentTwo extends Fragment {
private RadioButton choice1, choice2, choice3, choice4;
private int winter,spring,summer,fall;
private RadioGroup radioGroup;
private int season;
public Fr
我想了解从STL函数预测R是如何工作的。所以,我不会在这里给出任何可复制的代码。
下面是我在时间序列上工作的过程
我在时间序列上使用了STL分解。
使用Box.test检查步骤1中的残差分量以消除白噪声
发现残差不是白噪声。因此,采用ARIMA模型对预测模型进行拟合。
现在,我的任务是计算预测值,其中包括a。季节和趋势成分从步骤1以上b。残差成分从ARIMA模型-从上面的步骤3。
如果我用
forecast(stl(..)),
它给了我
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
不过,我只对预测的季节性和趋
我有以下可复制的数据:
d <- data.frame(ATB = rep(c("ATB1", "ATB2"), each = 4),
status = rep(rep(c("S", "R"), each = 2), 2),
season = rep(c("Winter", "summer"), 4),
n = c(239,284,113,120,229,269,127,140)
)
我试图按