时间序列分析趋势的相似性

2018-06-23 23:43:16

我是时间序列分析的新手。我试图找出短时间（1天）温度时间序列的趋势，并尝试不同的近似值。而且，采样频率是2分钟。数据为不同的电台配置。我会比较不同的趋势，看看他们是否相似。

这样做我面临三个挑战：

Q1 - 我如何提取模式？

Q2 - 我将如何量化趋势，因为我会比较属于两个不同地方的趋势？

Q3 - 我什么时候可以说两种趋势相似或不相似？

Q1 - 如何提取图案？

您将开始对两个数据集执行时间序列分析。你将需要一个统计库来做测试和比较。

如果你可以使用Python， pandas是一个不错的选择。

在R中， forecast包很棒。首先在两个数据集上运行ets 。

Q2 - 我将如何量化趋势，因为我会比较属于两个不同地方的趋势？

量化趋势背后的想法是从寻找（线性）趋势线开始。所有的统计数据包都可以帮助你。例如，如果您假设线性趋势，那么将数据点平方偏差最小化的线。

维基百科关于趋势估计的文章非常容易理解。另外请记住，趋势可以是线性的，指数的或衰减的。可以尝试不同的趋势参数来照顾这些参数。

Q3 - 我什么时候可以说两种趋势相似或不相似？

在两个数据集上运行ARIMA。（这里的基本思想是查看构成ARIMA模型的同一组参数是否可以描述你的临时时间序列，如果你在forecast （R）中运行auto.arima() ），那么它将选择参数p，d，q为您的数据，非常方便。

另一个想法是对两个系列进行2样本t检验，并检查p值是否显着。（警告：我不是统计学家，所以我不确定是否有任何理论反对这样做的时间序列。）

在研究过程中，我遇到了格兰杰测试 - 其基本思想是查看一个时间序列是否有助于预测另一个时间序列。似乎很适合你的情况。

所以这些只是让你开始的几件事情。希望有所帮助。

链接地址: http://www.djcxy.com/p/67215.html