時系列予測を行う際の推奨事項

私は何カ月も短期的な負荷予測と精度を向上させるための気候/気象データの使用に取り組んできました。私はコンピューターサイエンスのバックグラウンドを持っているので、ARIMAモデルなどの統計ツールを使用して、大きな間違いや不当な比較を行わないようにしています。私はいくつかのことについてあなたの意見を知りたいです：

1. （S）ARIMAモデルと（S）ARIMAXモデルの両方を使用して、気象データが予測に与える影響を調査していますが、指数平滑法も使用する必要があると思いますか？

2. 最初の2週間から始めて、300サンプルの時系列の時系列があり、auto.arima R関数（予測パッケージ）で構築されたモデルを使用して5日間先の予測を実行します。次に、データセットに別のサンプルを追加し、モデルを再度キャリブレーションし、さらに5日間の予測を実行して、使用可能なデータが終わるまで続けます。この操作方法は正しいと思いますか？

エンジニアリングジャーナルの記事をターゲットにしていますが、統計的な観点からできる限り厳密な作業を行いたいと思います。

1. 指数平滑法モデルも検討する価値があると思います。指数平滑法モデルは、ARIMAモデルとは根本的に異なるモデルのクラスであり、データに異なる結果をもたらす可能性があります。

2. これは有効なアプローチのように聞こえ、Rob Hyndmanによって提案された時系列相互検証法に非常に似ています。

各予測（指数平滑法、ARIMA、ARMAX）から相互検証エラーを集計し、全体的なエラーを使用して3つの方法を比較します。

auto.arimaを使用するのではなく、ARIMAパラメータの「グリッド検索」を検討することもできます。グリッド検索では、有馬モデルの可能な各パラメーターを探索し、予測精度を使用して「最良の」パラメーターを選択します。