如果我正确理解了您的问题,这可能是一个解决方案:
步骤1)我创建了一个长度为1241的时间序列(段落),就像你的一样。
passage<-rep(1:1241)
"passage" time series
步骤2)我在矩阵中转换时间序列,其中每一列都是一个工作日(添加4个零,因为时间序列在周一结束),然后我在矩阵中添加两列附加值为零的列(周六和周日),我使用unmatrix函数(包gdata)返回到一个时间序列,并删除了最后6个零(4个由我自己添加,2个来自周日和周六列)
passage_matrix<-cbind(t(matrix(c(passage,c(0,0,0,0)),nrow = 5)),0,0)
library(gdata)
passage_00<-as.numeric(unmatrix( passage_matrix ,byrow=T))
passage_00<-passage_00[1:(length(passage_00)-6)]
步骤3)我创建新的时间序列
timeseries_00 = ts(passage_00,
frequency = 365,
start = c(2012, as.numeric(format(as.Date("2012-11-19"),
"%j"))))
步骤4)现在,我能够用正确的日期标签绘制时间序列(仅针对以下示例中的工作日)
date<-seq(from=as.Date("2012-11-19"),by=1,length.out=length(timeseries_00))
plot(timeseries_00[timeseries_00>0],axes=F)
axis(1, at=1:length(timeseries_00[timeseries_00>0]), labels=date[timeseries_00>0])
"passage" time series with right date
步骤4)预测时间序列
for_00<-forecast(timeseries_00)
步骤5)我必须修改原始时间序列,以便使预测数据和原始数据具有相同的长度
length(for_00$mean) #length of the prediction
passage_00extended<-c(passage_00,rep(0,730)) #Add zeros for future date
timeseries_00extended = ts(passage_00extended, frequency = 365,
start = c(2012, as.numeric(format(as.Date("2012-11-19"), "%j"))))
date<-seq(from=as.Date("2012-11-19"),by=1,length.out=length(timeseries_00extended))
步骤6)我必须修改预测数据,以便扩展相同长度的timeseries\u 00,所有假数据(0值)都在“NA”中更改
pred_mean<-c(rep(NA,length(passage_00)),for_00$mean) #Prediction mean
pred_upper<-c(rep(NA,length(passage_00)),for_00$upper[,2]) #Upper 95%
pred_lower<-c(rep(NA,length(passage_00)),for_00$lower[,2]) #Lower 95%
passage_00extended[passage_00extended==0]<-rep(NA,sum(passage_00extended==0))
步骤7)我在同一个图上绘制原始数据(段落\u 00extended)和预测(平均值[蓝色]和上下限[橙色]的颜色不同)
plot(passage_00extended,axes=F,ylim=c(1,max(pred_upper[!is.na(pred_upper)])))
lines(pred_mean,col="Blue")
lines(pred_upper,col="orange")
lines(pred_lower,col="orange")
axis(1, at=1:length(timeseries_00extended), labels=date)
Plot: Forecast