周期时间序列（二）实例

商品销量变化周期计算及预测

假设某商品销量成周期性变化，分析其周期性变化特点。

思路：

• 先进行时间周期的计算
• 再以时间周期值为基础计算变化率和趋势
• 根据趋势找到周期串
• 用平均法对后面的周期进行预测
  例子：
  每周销售情况如下：

#每周销售情况如下
print("每周销售情况")
sale<-c(82,45,63,102,90,130,210,110,500,300,150,230,
+190,210,600,310,130,90,210,190,710,480,220,150,250,190)
print(sale)```

以两周为时间窗口计算平均值


#首先创建空向量，数值型，因为以两周为时间窗口所以长度是mysale的一半，ceiling是强制五入
`mysale=vector(mode="numeric",length=ceiling(length(sale)/2))`
#使用for循环计算相邻的每两周销售情况的平均值，作为时间窗口的值。

mysale<-vector("numeric",ceiling(length(sale)/2))

使用sep进行迭代起点为1，终点为向量长度，步长为2

for(i in seq(1,length(sale),by=2)){

• salemp=(sale[i]+sale[i+1])/2 #按下标，取下标和下标+1的值进行平均
• mysale[i/2+1]=salemp[1]} #暂时没明白内在逻辑，作用是把时间周期的值赋给mysale这个之前创建好的空向量.

mysale#到此以两周为时间单位，以两周均值为代表生成了新的序列
[1] 63.5 82.5 110.0 160.0 400.0 190.0 200.0 455.0 110.0 200.0 595.0 185.0 220.0```

有了时间窗口的值后再进行进一步分析，根据时间窗口的值计算变化率和趋势

当期相对与上期的变化率=（当期值-上期值）/上期值

#先创建变化率和趋势的空向量
myrate<-vector("numeric",ceiling(length(sale)/2)-1)#变化率
mytrend=vector(mode="numeric",length=ceiling(length(sale)/2)-1)#趋势
for(i in 2:length(mysale))#从创建好的时间窗口中的，第二个值开始提取
+{ratemp=(mysale[i]-mysale[i-1])/mysale[i-1] #（当期值-上期值）/上期值
+myrate[i-1]=ratemp#因i是从第二个值开始提取，i代表第二个元素下标，
                  #在对mytate这个空向量进行填充时要从第一个开始，所以用i-1
+if (ratemp>0){mytrend[i-1]=1}#if else是固定套路
                             #意思是如果符合第一个条件就……否则……。
+else{mytrend[i-1]=0}}#这里的含义是如果变化率（第二期相对与第一期）大于0（即增加）则趋势为1否则为0
> myrate#变化率
 [1]  0.29921260  0.33333333  0.45454545  1.50000000 -0.52500000  0.05263158  1.27500000
 [8] -0.75824176  0.81818182  1.97500000 -0.68907563  0.18918919
> mytrend#趋势
 [1] 1 1 1 1 0 1 1 0 1 1 0 1```

#未完，待续