### Time Series Example Datasets.

### 北京地区1949:1964年洪水受灾和成灾面积年度数据。
### 来自: 何书元《应用时间序列分析》。
flood.data <- matrix(c(
1949 ,  1 ,  331.12 ,   243.96 ,
1950 ,  2 , 380.44 ,   293.90 ,
1951 ,  3  , 59.63   , 59.63,
1952 ,  4  , 37.89   , 18.09,
1953 ,  5  , 103.66  ,72.92,
1954 ,  6  , 316.67  , 244.57,
1955 ,  7  , 208.72  , 155.77,
1956 ,  8  , 288.79  , 255.22,
1957 ,  9  , 25.00   , 0.50,
1958 , 10  , 84.72   , 48.59,
1959 , 11  , 260.89   ,202.96,
1960,  12  , 27.18   ,15.02,
1961,  13  , 20.74   ,17.09,
1962 , 14  , 52.99   ,14.66,
1963 , 15  , 99.25   , 45.61,
1964 , 16  , 55.36   ,41.90),
    byrow=T, ncol=4,
    dimnames=list(1949:1964,
      c("year", "t", "area1", "area2")))

flood.area1 <- ts(flood.data[,"area1"],
                  frequency=1,
                  start=1949)
flood.area2 <- ts(flood.data[,"area2"],
                  frequency=1,
                  start=1949)

### 某城市用煤季度数据。
### 来自: 何书元《应用时间序列分析》。
coal.consumption <-
  ts(c(
     6878.4 ,   5343.7 ,   4847.9  ,  6421.9 , 
     6815.4  ,  5532.6 ,   4745.6  ,  6406.2  , 
     6634.4  ,  5658.5 ,   4674.8  ,  6445.5  , 
     7130.2  ,  5532.6 ,   4989.6  ,  6642.3  , 
     7413.5  ,  5863.1 ,   4997.4  ,  6776.1  , 
     7476.5  ,  5965.5 ,   5202.1  ,  6894.1 ),
     frequency=4, start=c(1991,1))

### 在R中已安装的时间列示例数据有美国泛美航空公司1949-1960
### 的国际航班订票数的月度数据（单位：千人）。
data(AirPassengers)

### Maine 1996.1--2006.8失业率月度数据。
### 来自：P.S.P. Cowpertwait, A.V. Metcalfe:
### Introductory Time Series with R
tab <- read.table("../introtsa/Maine.dat", header=TRUE)
y <- tab[['unemploy']]
Maine <- ts(y, frequency=12, start=c(1996,1))
rm(y,tab)

### 美国 1996.1--2006.10失业率月度数据。
### 来自：P.S.P. Cowpertwait, A.V. Metcalfe:
### Introductory Time Series with R
tab <- read.table("../introtsa/USunemp.dat", header=TRUE)
y <- tab[['USun']]
USunemp <- ts(y, frequency=12, start=c(1996,1),
              end=c(2006,10))
rm(y,tab)

### 澳大利亚1958.1--1990.12的月度供电（百万千瓦时）、啤酒供应（百万升）、
### 基于巧克力的产品产量（吨）的月度数据。
### 三个序列分别为choc, beer, elec.
### 来自：P.S.P. Cowpertwait, A.V. Metcalfe:
### Introductory Time Series with R
tab <- read.table("../introtsa/cbe.dat", header=TRUE)
CBE <- ts(as.matrix(tab), frequency=12,
          start=c(1958,1),
          end=c(1990,12))
rm(tab)

### 英镑对新西兰元汇率1991.1--2000.3，季度数据（平均值）
### 来自：P.S.P. Cowpertwait, A.V. Metcalfe:
### Introductory Time Series with R
tab <- read.table("../introtsa/pounds_nz.dat", header=TRUE)
y <- tab[['xrate']]
pounds.nz <- ts(y, frequency=4, start=c(1991,1),
              end=c(2000,1))
rm(y,tab)

### 全球气温数据。1856.1--2005.12，月度数据。
### 数值为与1961--1990期间月平均值的差。
### 来自：P.S.P. Cowpertwait, A.V. Metcalfe:
### Introductory Time Series with R
y <- scan("../introtsa/global.dat", quiet=TRUE)
Global.ts <- ts(y, start=c(1856,1), end=c(2005,12), frequency=12)
rm(y)