r语言 - 平均值中的错误 - 未使用的参数

Question

我在

使用预测包用 R 编写的函数时遇到问题。这是函数：

    generateARIMAForecasts <- function(inputTSDecompList, inputArimaOrder, fcstHrzn, cnst, drft){
  tmpSTL <- NULL;
  fcasting <- NULL;
  tsfcastList <- NULL;
  counter <- 1;
  while(counter <= length(inputTSDecompList)){
    #select the TS decompositions
    tmpSTL <- inputTSDecompList[counter]$TimeSeriesDecomposition;
    #add the lattice plot to the list of plots
    if(cnst == TRUE & drft == TRUE){
      fcasting <- forecast(tmpSTL, h=fcstHrzn, 
                           forecastfunction=function(x,h,level, ...){
                           fit <- Arima(x, order=inputArimaOrder, include.constant = TRUE, include.drift = TRUE) 
                           return(forecast(fit,h=fcstHrzn,level=level, ...))});
    }
    fcastCoefs <- fcasting$model$coef;
    fcstValues <- fcasting;
    fcastSummary <- summary(fcasting);
    #add the forecast results to the forecast list
    tsfcastList[[counter]] <- list(FinancialInstitution=LVTSFITimeSeriesList[counter]$LVTSFITimeSeriesList$FinancialInstitution, 
                             ForecastCoefficients=fcastCoefs,
                             ForecastedSeries=fcstValues,
                             ForecastSummary=fcastSummary);
    counter <- counter+1;
  }
  return(tsfcastList); 
}

该函数获取 STL 分解序列的列表，并为输入列表中的每个单独的 stl 分解时间序列生成 Arima 预测。我已经通过对单个元素进行硬编码来手动运行预测生成，并且可以工作。但是当我尝试使用该函数执行此操作时，出现以下错误

均值中的错误（对象， h = h， 水平 = 水平， 风扇 = 风扇， lambda

= lambda， ： 未使用的参数 （预测函数 = 函数 （x， h， level， ...） { fit <- Arima（x， order = inputArimaOrder， include.constant = TRUE， include.drift = TRUE） return（forecast（fit， h = fcstHrzn， level = level， ...）） }) 另外：有 50 个或更多警告（使用 warnings（） 查看前 50 个）

有人可以建议吗？

Answer 1

嗨，在

RStudio 控制台中手动调试每一行几个小时后，我发现问题是我的电话

tmpSTL <- inputTSDecompList[counter]$TimeSeriesDecomposition;

这返回了 NULL，因为我使用

tsDecomList[[counter]] <- list(FinancialInstitution=inputTSList[counter]$LVTSFITimeSeriesList$FinancialInstitution, TimeSeriesDecomposition=tsDecom);

所以我应该打电话

tmpSTL <- inputTSDecompList[[counter]]$TimeSeriesDecomposition;