lags=1:24
keep=c(rep(TRUE,12), rep(FALSE,12)))
lags=1:24, sel.lag=FALSE
在第一种情况下,滞后(1,2,4,7,8,9,10,11,12,13,18,21,23,24...auto.type="valid",hd.max=8
鉴于训练神经网络非常耗时,因此你可以重用已经指定/经过训练的网络。在以下示例中,我们将重用 fit1 到新的时间序列。...最后,您可以使用省略号将参数直接传递给用于训练网络的 函数 ...。
要生成预测,我们使用函数forecast(),该函数 需要训练的网络对象和预测范围 h。...z <- 1:(length()+24) # 我为预测增加了24个额外的观测值
z <- cbind(z) # 把它转换成一个列数
# 添加一个滞后0的回归因子,并强制它留在模型中...为了产生预测,我们使用 forecast() 函数,但现在使用 xreg 输入。方法是从网络训练期间使用的相同观察值开始输入回归变量,并根据需要扩展预测范围。