为固定周期的季节波动同时作用于该序列,因此我们可以采用乘积模型和加法模型。Р在这里以加法模型为例。Рz<-scan('4.7.txt')Рts.plot(z)Рz<-ts(z,start=c(1962,1),frequency=12)Рz.s<-pose(z,type='additive') //运用加法模型进行分解Рz.1<-z-z.s$seas //提取其中的季节系数,并在z中减去(因为是加法模//型)该季节系数Рts.plot(z.1)Рlines(z.s$trend,col=3)Рz.2<-ts(z.1)Рt<-1:length(z.2)Рt2<-t^2Рt3<-t^3Рr1<-lm(z.2~t)Рr2<-lm(z.2~t+t2)Рr3<-lm(z.2~t+t2+t3)Рsummary(r1)Рsummary(r2)Рsummary(r3) ##发现3次拟合效果最佳,故选用三次拟合Рts.plot(z.2)Рlines(r3$fitt,col=4)Рpt<-(length(z.2)+1) : (length(z.2)+12)Рpt1<-pt ##预测下一年序列Рpt2<-pt^2Рpt3<-pt^3Рpt<-matrix(c(pt1,pt2,pt3),byrow=T,nrow=3)/*为预测时间的矩阵。*/Рp<-r3$coef[2:4]%*%pt+r3$coef[1]/*矩阵的乘法为%*%;coef【1】为其截距项,coef【2:4】为其系数*/Рp1<-z.s$sea[1:12]+p/*加回原有季节系数,因为原来是加法模型*/Рts.plot(ts(z),xlim=c(1,123),ylim=c(550,950))Рlines(pt1,p1,col=2)Р##包含季节效应的 SARIMA模型Рz<-scan('4.7.txt')Рts.plot(diff(z))