预测出现代码问题及解决方法

针对现有教程（http://blog.csdn.net/desilting/article/details/39013825），运行中出现的问题以及解决办法

如果你必须对时间序列做 d 阶差分才能得到一个平稳序列，那么你就使用ARIMA(p,d,q)模型，其中 d 是差分的阶数。ARIMA(p，d，q)模型全称为差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，AR是自回归， p为自回归项； MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。

先给出几个基本的查看帮助的方法：

一.help（）

二.

1.打开R界面
2.“帮助”->“html帮助”
3.在跳出的网页中点“packages”，然后找到“....”

三.

library(help="MASS")

========================================

data<-xts(data,seq(as.POSIXct("2014-01-01"),len=length(data),by="day"))
Error in as.vector(x, mode) : 
  cannot coerce type 'closure' to vector of type 'any'

solution：只是因为博主没有把之前输入的数据（source）替换，应为data<-xts(source,seq(as.POSIXct("2014-01-01"),len=length(source),by="day"))

acf <- acf(data_diff1,lag.max=100,plot=FALSE)
Error in na.fail.default(as.ts(x)) : 对象里有遺漏值

solution：acf <- acf(data_diff1,lag.max=100,na.action = na.pass,plot=FALSE)

但此时显示的acf图，横轴坐标（滞后值）的最大值不是100，而且横轴坐标是以e+00,e+02的指数级增长。

检查acf具体值发现，原本lag=1的值显示的横坐标是86400，应该是变成了秒为单位（？）。

目前暂时无法解决这个问题，只要把“data<-xts(data,seq(as.POSIXct("2014-01-01"),len=length(data),by="day"))”这一步省略即可......

data.fit <- arima(data,order=c(7,1,0), seasonal=list(order=c(1,1,0), period=7))

这里在建立ARIMA模型时有一个seasonal的设置，设置规则尚不明。

=============================================

最后得到的结果与原博主相同

问题：需不需要做单位根检验？（验证是平稳时间序列）