时间序列预测线上充值数据

1.获取2019-2020年每个月份的充值总额

USE xchat;

SELECT month(update_time) as month,sum(amount) FROM charge_record WHERE buss_type=0 and charge_status=2 and charge_prod_id IS NOT NULL AND year(update_time) = 2019 GROUP BY month (update_time)

UNION

SELECT month(update_time) as month,sum(amount) FROM charge_record WHERE buss_type=0 and charge_status=2 and charge_prod_id IS NOT NULL AND year(update_time) = 2020 GROUP BY month (update_time);

运行结果如下：

2.时间序列预测

从上图可知2019年2月份数据相对于其余月份较为异常，因此剔除2019年1月份和2月份的数据

步骤如下：

1)取消科学计数法

options(scipen = 200)

2)存储数据

3)生成时间序列

t1=ts(t,start = c(2019,3),frequency = 12)

含义：从2019年3月开始生成周期=12月的时间序列

4)自回归建模

t2=ar(t1)

0.7739-自相关系数

sigma^2 estimated-估计值方差

5)利用predict预测未来半年的充值金额

predict(t2,n.ahead = 6)

pred表示预测值；se表示此次预测的标准差

6)查看自回归模型的预测效果

ts.plot(t1,predict(t2,n.ahead = 6)$pred,lty=c(1:2))