A.A*_*idi 11 time-series matching trend
我是时间序列分析的新手.我试图找到一个短(1天)温度时间序列的趋势,并尝试不同的近似值.此外,采样频率为2分钟.数据被分配给不同的站点.我将比较不同的趋势,看看它们是否相似.
这样做我面临三个挑战:
Q1 - 我如何提取模式？
Q2 - 我如何量化趋势,因为我将比较趋势属于两个不同的地方？
Q3 - 我什么时候可以说两种趋势相似或不相似？
Q1 - 我如何提取模式？
您首先要对两个数据集执行时间序列分析.您将需要一个统计库来进行测试和比较.
如果你可以使用Python,那pandas是一个不错的选择.
在R中,forecast包装很棒.首先运行ets两个数据集.
Q2 - 我如何量化趋势,因为我将比较趋势属于两个不同的地方？
量化趋势背后的想法是从寻找(线性)趋势线开始.所有统计数据包都可以提供帮助.例如,如果您假设线性趋势,那么最小化与数据点的平方偏差的线.
关于趋势估计的维基百科文章很容易获得.另外,请记住,趋势可以是线性的,指数的或阻尼的.可以尝试不同的趋势参数来处理这些.
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.(这里的基本思想是看同一组参数(构成ARIMA模型)是否可以描述你的临时时间序列.如果你auto.arima()在forecast(R)中运行,那么它将选择参数p,d,q您的数据,非常方便.
另一个想法是对你的两个系列进行双样本t检验,并检查p值的显着性.(警告:我不是统计学家,所以我不确定是否有任何理论反对为时间序列这样做.)
在研究过程中,我遇到了格兰杰测试 - 其基本思路是看一个时间序列是否有助于预测另一个时间序列.似乎非常适用于您的情况.
所以这些只是让你入门的几件事.希望有所帮助.