如何修改auto.arima函数针对tsibble日度时间序列识别的周期？

解决方法 #

forecast包的auto.arima函数读取的周期值来自时间序列对象的频率属性，tsibble类型的日度数据默认会将7天（周周期）识别为默认周期，你可以通过以下两种方式修改使用的周期值：

方法1：转换为ts对象显式指定频率（适配forecast::auto.arima）

将tsibble中的序列提取出来转换为基础ts对象，在转换时通过frequency参数指定你需要的周期：

# 示例指定周期为365（对应日度数据的年度周期，可替换为你需要的数值）
bc_ts <- as.ts(bctsibble$bcUI, frequency = 365)
# 基于指定周期的ts对象建模
autoarima1 <- auto.arima(bc_ts, trace = TRUE, approximation = FALSE, seasonal = TRUE)

方法2：使用tsibble原生适配的fable包建模（无需转换数据结构）

如果你希望保留tsibble结构使用tidy时序生态工具，可以切换为fable包的ARIMA建模函数，直接在模型公式中指定季节周期：

# 加载依赖包
library(fable)
library(tsibble)

# 直接指定周期建模，示例指定为365，可替换为需要的数值
fit <- bctsibble %>% 
  model(ARIMA(bcUI ~ season(period = 365), trace = TRUE))

# 查看最优模型结果
report(fit)

补充说明 #

• 如果你需要同时使用多个周期（比如同时考虑7天周周期+365天年周期），forecast::auto.arima本身不支持多季节周期，建议使用forecast::tbats或者fable包的多季节ARIMA实现。
• 修改周期后，模型输出的[x]标记会自动更新为你指定的周期值。

内容的提问来源于stack exchange，提问作者macs2021