如何对微分时间序列数据进行反变换?

manfye

我已经通过ARIMA(1,1,0)的微分时间序列数据进行了ARIMA预测，但是rapidminer产生的数据是微分数据，我如何对其进行反向转换?

Telcontar120

我不太清楚你这是什么意思——也许你可以详细说明或附上一个例子?
@tftemme也许能帮上忙他做了很多系列操作符的开发工作。

lionelderkrikor

嗨@manfye，

你说:

我做了一个ARIMA预测通过微分时间序列具有ARIMA(1,1,0)的数据

你的意思是你自己用过微分法吗之前用ARIMA(1,1,0)模型拟合数据?
如果是，您对初始时间序列使用了什么微分方法?
- - - - - -减法
——对数
-两者的结合?

我认为可以通过使用以下方法来反向转换你的预测:
- Python脚本中的“cumsum”(累积和)函数(在减法的情况下)-我设想使用Python，因为我不知道Rapidminer中有“cumsum”的等效函数。
- exp函数(在对数的情况下)
-最后是上面第三种情况中“cumsum”和“exp”函数的组合。

最后，正如Brian所说，您能否提供更多关于您的流程和数据的细节，并理想地分享它们?

问候,

莱昂内尔

lionelderkrikor

你好,再一次@manfye，

我不知道为什么，但我的直觉告诉我，你对原始时间序列使用了减法微分法。
在这种情况下，您已经通过应用ARIMA模型先验地获得了对微分数据的预测。
这样你就得到了这样的数据:


一旦你对微分数据有了这些预测，你就可以计算这些数据的累积和，然后把原始时间序列的第一个数据点加到这个计算出来的时间序列中，换句话说，你(从数学的角度)对微分数据进行积分，最后你检索原始时间序列及其预测:


您可以根据自己的数据调整附件中的过程。在我的例子中，我使用了一个叫做“月产奶量”的时间序列
在RapidMiner存储库中可用。

希望这能帮到你，

问候,

莱昂内尔

PS:此过程使用Python脚本，因此，您首先必须:
在您的计算机上安装Python。
-安装Python脚本从市场扩展。
-在RapidMiner settings中设置Python.exe文件的存储路径。

tftemme

嗨@manfye

加上…的漂亮而详细的回答@lionelderkrikor

ARIMA本身在拟合模型之前执行微分(ARIMA中的“I”代表“Integrated”)。应用的微分数由(p,d,q)参数集的参数d指定。在你的例子中它是微分输入序列1时间然后拟合p=1 q=0的ARMA模型。当应用ARMA模型进行预报时，利用ARMA模型生成预测值，然后对预测值进行自动综合。
简而言之，你不需要自己微分输入时间序列。

另一个点。如果你仍然想要集成一个差异化的时间序列(或任何时间序列)，我们将在即将到来的9.7.0版本的RapidMiner Studio中有一个新的集成操作符。除了累积和，你还可以应用左、右黎曼和和梯形法则来计算积分。

希望能有所帮助
致以最亲切的问候
费边

prashant768

嗨@tftemme，我怀疑RM中的ARIMA模型是在应用差分参数后进行逆变换。我已经尝试在数据集中执行相同的操作，并且预测值超出了规模。我附上了RM流程供您参考。
我真的很难配置如何将预测值恢复到原始规模，因为我不希望我的学生使用PYTHON，因为我在教他们如何在没有任何代码的情况下进行分析

hmhsing

嗨@tftemme我有一个类似的问题，当d不为零时，预测值是“爆炸性的”。希望这个问题可以解决，谢谢!https://community.m.turtlecreekpls.com/discussion/59825/arima-model-forecast-for-nonstationary-data

rakhuuok

我不知道为什么，但我的直觉告诉我，你对原始时间序列使用了减法微分法。vidmate.app

流视频