如何用fable包适配HoltWinters模型？15分钟时间序列场景

你的问题核心是fable依赖tsibble的时间索引信息识别季节性，而非像传统ts对象那样设置deltat/frequency，原代码未明确指定日季节性的周期（96，对应一天内15分钟间隔的点数），导致模型未正确捕捉季节性成分，最终预测结果仅体现趋势波动。

解决步骤如下：

1. 确保tsibble的时间索引有效性 #

首先确认数据集已正确转换为tsibble格式，且时间索引为连续的15分钟间隔（无缺失时间点）。若存在缺失，先用fill_gaps()填充：

# 假设时间列名为datetime，目标变量为consumption
data_train <- data_train |>
  as_tsibble(index = datetime) |> # 指定时间列为tsibble索引
  fill_gaps(consumption = na_interpolation()) # 用线性插值填充缺失值，可根据需求调整填充逻辑

可以通过interval(data_train$datetime)检查时间间隔是否为15分钟，确认周期数96（24×4）的合理性。

2. 在ETS模型中明确指定季节性周期 #

原HoltWinters模型对应ETS的加法趋势+加法季节性（即ETS(A,A,A)模型），需在season()参数中明确指定period=96，让模型识别日季节性：

forecast_result <- data_train |>
  model(hw = ETS(consumption ~ trend("A") + season("A", period = 96))) |>
  forecast(h = 96)

3. 验证模型季节性识别效果 #

通过查看模型报告，确认季节性成分已被正确加载：

report(data_train |> model(hw = ETS(consumption ~ trend("A") + season("A", period = 96))))

若输出中包含seasonal相关的平滑系数估计，说明模型已成功捕捉日季节性，预测结果将符合预期的周期性波动。

内容的提问来源于stack exchange，提问作者Telaroz