【原】在r语言中使用GAM（广义相加模型）进行电力负荷时间序列分析

原文链接：http:///?p=9024

用GAM进行建模时间序列

我已经准备了一个文件，其中包含四个用电时间序列来进行分析。数据操作将由data.table程序包完成。

将提及的智能电表数据读到data.table。


DT <- as.data.table(read_feather("DT_4_ind"))

使用GAM回归模型。将工作日的字符转换为整数，并使用recode包中的函数重新编码工作日：1.星期一，…，7星期日。



DT[, week_num := as.integer(car::recode(week,"'Monday'='1';'Tuesday'='2';'Wednesday'='3';'Thursday'='4';'Friday'='5';'Saturday'='6';'Sunday'='7'"))]

将信息存储在日期变量中，以简化工作。



n_type <- unique(DT[, type])n_date <- unique(DT[, date])n_weekdays <- unique(DT[, week])period <- 48


让我们看一下用电量的一些数据并对其进行分析。


data_r <- DT[(type == n_type[1] & date %in% n_date[57:70])]

ggplot(data_r, aes(date_time, value)) +geom_line() +theme(panel.border = element_blank(),panel.background = element_blank(),panel.grid.minor = element_line(colour = "grey90"),panel.grid.major = element_line(colour = "grey90"),panel.grid.major.x = element_line(colour = "grey90"),axis.text = element_text(size = 10),axis.title = element_text(size = 12, face = "bold")) +labs(x = "Date", y = "Load (kW)")


在绘制的时间序列中可以看到两个主要的季节性：每日和每周。我们在一天中有48个测量值，在一周中有7天，因此这将是我们用来对因变量–电力负荷进行建模的自变量。

训练我们的第一个GAM。通过平滑函数s对自变量建模，对于每日季节性，使用三次样条回归，对于每周季节性，使用P样条。


gam_1 <- gam(Load ~ s(Daily, bs = "cr", k = period) +s(Weekly, bs = "ps", k = 7),data = matrix_gam,family = gaussian)


首先是可视化。


layout(matrix(1:2, nrow = 1))plot(gam_1, shade = TRUE)


我们在这里可以看到变量对电力负荷的影响。在左图中，白天的负载峰值约为下午3点。在右边的图中，我们可以看到在周末负载量减少了。

让我们使用summary函数对第一个模型进行诊断。


#### Family: gaussian## Link function: identity#### Formula:## Load ~ s(Daily, bs = "cr", k = period) + s(Weekly, bs = "ps",## k = 7)#### Parametric coefficients:## Estimate Std. Error t value Pr(>|t|)## (Intercept) 2731.67 18.88 144.7 <2e-16 ***## ---## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1#### Approximate significance of smooth terms:## edf Ref.df F p-value## s(Daily) 10.159 12.688 119.8 <2e-16 ***## s(Weekly) 5.311 5.758 130.3 <2e-16 ***## ---## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1#### R-sq.(adj) = 0.772 Deviance explained = 77.7%## GCV = 2.4554e+05 Scale est. = 2.3953e+05 n = 672


EDF：估计的自由度–可以像对给定变量进行平滑处理那样来解释（较高的EDF值表示更复杂的样条曲线）。P值：给定变量对因变量的统计显着性，通过F检验进行检验（越低越好）。调整后的R平方（越高越好）。我们可以看到R-sq.（adj）值有点低。

让我们绘制拟合值：

我们需要将两个自变量的交互作用包括到模型中。

第一种交互类型对两个变量都使用了一个平滑函数。


gam_2 <- gam(Load ~ s(Daily, Weekly),



summary(gam_2)$r.sq


## [1] 0.9352108


R方值表明结果要好得多。



summary(gam_2)$s.table## edf Ref.df F p-value## s(Daily,Weekly) 28.7008 28.99423 334.4754 0


似乎也很好，p值为0，这意味着自变量很重要。拟合值图：

现在，让我们尝试上述张量积交互。这可以通过function完成te，也可以定义基本函数。

## [1] 0.9268452

与以前的模型相似gam_2。


summary(gam_3)$s.table## edf Ref.df F p-value## te(Daily,Weekly) 23.65709 23.98741 354.5856 0


非常相似的结果。让我们看一下拟合值：

与gam_2模型相比，只有一点点差异，看起来te拟合更好。

## [1] 0.9727604

summary(gam_4)$sp.criterion## GCV.Cp## 34839.46summary(gam_4)$s.table## edf Ref.df F p-value## te(Daily,Weekly) 119.4117 149.6528 160.2065 0


我们可以在这里看到R方略有上升。

让我们绘制拟合值：

这似乎比gam_3模型好得多。


## [1] 0.965618summary(gam_4_fx)$s.table## edf Ref.df F p-value## te(Daily,Weekly) 335 335 57.25389 5.289648e-199


我们可以看到R平方比模型gam_4低，这是因为我们过度拟合了模型。证明GCV程序（lambda和EDF的估计）工作正常。

因此，让我们在案例（模型）中尝试ti方法。


## [1] 0.9717469summary(gam_5)$sp.criterion## GCV.Cp## 35772.35summary(gam_5)$s.table## edf Ref.df F p-value## s(Daily) 22.583649 27.964970 444.19962 0## s(Weekly) 5.914531 5.995934 1014.72482 0## ti(Daily,Weekly) 85.310314 110.828814 41.22288 0


然后使用t2。


## [1] 0.9738273summary(gam_6)$sp.criterion## GCV.Cp## 32230.68summary(gam_6)$s.table## edf Ref.df F p-value## t2(Daily,Weekly) 98.12005 120.2345 86.70754 0


我还输出了最后三个模型的GCV得分值，这也是在一组拟合模型中选择最佳模型的良好标准。我们可以看到，对于t2相应模型gam_6，GCV值最低。

在统计中广泛使用的其他模型选择标准是AIC（Akaike信息准则）。让我们看看三个模型：


AIC(gam_4, gam_5, gam_6)## df AIC## gam_4 121.4117 8912.611## gam_5 115.8085 8932.746## gam_6 100.1200 8868.628


最低值在gam_6模型中。让我们再次查看拟合值。

我们可以看到的模型的拟合值gam_4和gam_6非常相似。可以使用软件包的更多可视化和模型诊断功能来比较这两个模型。

第一个是function gam.check，它绘制了四个图：残差的QQ图，线性预测变量与残差，残差的直方图以及拟合值与因变量的关系图。让我们诊断模型gam_4和gam_6。

gam.check(gam_4)

1. #### Method: GCV Optimizer: magic## Smoothing parameter selection converged after 7 iterations.## The RMS GCV score gradiant at convergence was 0.2833304 .## The Hessian was positive definite.## The estimated model rank was 336 (maximum possible: 336)## Model rank = 336 / 336#### Basis dimension (k) checking results. Low p-value (k-index<1) may## indicate that k is too low, especially if edf is close to k'.#### k' edf k-index p-value## te(Daily,Weekly) 335.00 119.41 1.22 1gam.check(gam_6)


我们可以再次看到模型非常相似，只是在直方图中可以看到一些差异。

1. #### Method: GCV Optimizer: magic## Smoothing parameter selection converged after 9 iterations.## The RMS GCV score gradiant at convergence was 0.05208856 .## The Hessian was positive definite.## The estimated model rank was 336 (maximum possible: 336)## Model rank = 336 / 336#### Basis dimension (k) checking results. Low p-value (k-index<1) may## indicate that k is too low, especially if edf is close to k'.#### k' edf k-index p-value## t2(Daily,Weekly) 335.00 98.12 1.18 1



layout(matrix(1:2, nrow = 1))plot(gam_4, rug = FALSE, se = FALSE, n2 = 80, main = "gam n.4 with te()")plot(gam_6, rug = FALSE, se = FALSE, n2 = 80, main = "gam n.6 with t2()")


 该模型gam_6 有更多的“波浪形”的轮廓。因此，这意味着它对因变量的拟合度更高，而平滑因子更低。 


vis.gam(gam_6, n.grid = 50, theta = 35, phi = 32, zlab = "",ticktype = "detailed", color = "topo", main = "t2(D, W)")


我们可以看到最高峰值是Daily变量的值接近30（下午3点），而Weekly变量的值是1（星期一）。


vis.gam(gam_6, main = "t2(D, W)", plot.type = "contour",color = "terrain", contour.col = "black", lwd = 2)


再次可以看到，电力负荷的最高值是星期一的下午3:00，直到星期四都非常相似，然后负荷在周末减少。

---