時間序列分析趨勢的相似

我是時間序列分析的新人。我試圖找出短時間（1天）溫度時間序列的趨勢，並嘗試不同的近似值。而且，採樣頻率是2分鐘。數據爲不同的電臺配置。我會比較不同的趨勢，看看他們是否相似。時間序列分析趨勢的相似

我面臨這樣三個挑戰：

Q1 - 我怎樣才能提取模式？

Q2 - 我如何量化趨勢，因爲我會比較屬於兩個不同位置的趨勢嗎？

Q3 - 我什麼時候可以說兩個趨勢相似或不相似？

來源

2012-12-12 A.Amidi

這應該是交叉驗證的，因爲這是一個關於統計方法的問題，而不是編程。 –

Q1-如何提取圖案？

您將首先對兩個數據集執行時間序列分析。您需要一個統計庫來進行測試和比較。

如果您可以使用Python，pandas是一個不錯的選擇。

在R中，forecast包很棒。在兩個數據集上運行ets開始。

Q2 - 我如何量化趨勢，因爲我會比較屬於兩個不同位置的趨勢嗎？

量化趨勢背後的想法是從尋找（線性）趨勢線開始。所有統計軟件包都可以幫助您。例如，如果您假設線性趨勢，那麼將數據點平方偏差最小化的線。

關於trend estimation的維基百科文章相當方便。另外，請記住趨勢可以是線性的，指數的或衰減的。可以嘗試不同的趨勢參數來照顧這些參數。

Q3 - 我什麼時候可以說兩個趨勢相似或不相似？

在兩個數據集上運行ARIMA。（這裏的基本思想是看看同一組參數（組成ARIMA模型）是否可以描述你的臨時時間序列，如果你在forecast（R）中運行auto.arima()，那麼它將選擇參數p，d， q對於你的數據，非常方便
另一個想法是對你的兩個系列進行雙樣本t檢驗並檢查p值的顯着性（注意：我不是統計學家，所以我我不知道是否有任何理論反對這樣做的時間序列）
雖然研究我碰到Granger Test - 其中的基本想法是看看一個時間序列可以幫助預測另一個。似乎很適用於你的情況。

所以這些只是讓你開始的幾件事。希望有所幫助。

來源

2012-12-12 20:58:29

您可以評論在Pandas/Python中實現（1） - 即，在python中的auto.arima（）等價物。在下面的評論表明這種自動化是一項工作正在進行中：http://stackoverflow.com/questions/22770352/auto-arima-equivalent-for-python – Quetzalcoatl

@Ram請參閱您的答案後續行動，http：///stats.stackexchange.com/questions/172226/proving-similarities-of-two-time-series。 – Moe

一些評論：1.爲什麼要限制自己的線性趨勢線。一個更好的開始可能是將OP指向標準分解工具，將其分解爲季節性，趨勢和隨機組分，並使用黃土或類似趨勢。 2.在兩個數據集上運行ARIMA不會幫助您評估趨勢是否相似（嘗試並查看 - 請參閱http://stats.stackexchange.com/questions/172226/proving-similarities-of-two-time的答案） -系列。 –

時間序列分析趨勢的相似

回答

相關問題