平滑时间序列数据而不平滑R中的峰值

2023年10月20日 371次阅读

我有3个月的时间序列日常数据(每5分钟记录一次数据).数据非常嘈杂.

我已经尝试了一些MA方法.它们工作正常,得到的曲线相当平滑,但问题是峰值几乎平滑.

所以我的问题是：

Is there any method to get rid of all this noise in the graph but preserve the peak values?

我也读过有关卡尔曼滤波的内容,但我不确定这是如何工作的,如果这适合我的问题.

我尝试了以下代码：

smooth <- rollapply(PCM4 [,3], width=10, FUN=mean, align = "center", fill=NA)

我还尝试了一些不同的窗口宽度输入值,这使得结果数据更加平滑,但也降低了峰值,这不是我想要的.

数据集：

DateTime            h     v     Q      T
2014-12-18 11:45:00 0.112 0.515 17.141 15.4
2014-12-18 11:50:00 0.113 0.511 17.007 15.5
2014-12-18 11:55:00 0.114 0.518 17.480 15.5

未平滑的情节：

平滑的图(宽度= 10)：

如你所见,第二个图是非常扭曲的,并且第一个例如大约250 L / s而不是500 L / s.
这样做的原因是,它是根据滚动平均值计算出来的,所以它变得非常扭曲.

但问题是：有没有更好的解决方案来满足我的需求？

最佳答案

Is there any method to get rid of all this noise in the graph but preserve the peak values?

这里的挑战是你还没有真正说出什么是噪音,什么是信号.通常,一个完全不同的(“峰值”)值将被归类为噪声.当人们说过滤时,他们通常会考虑低通滤波(消除高频噪声并保持一般趋势).根据该定义,突然的峰值将是噪音.

如果您对系统及其噪声有数学理解,卡尔曼滤波器将为您提供工具.在KF的“预测”步骤中,您将获得一个数学模型,该模型将产生一个预期值,您可以根据该模型测试您的测量值.如果您可以预测峰值(无论是它们的值,还是它们存在的峰值),KF都可以帮助您.

可能有帮助的方法是http://www.lifl.fr/~casiez/1euro/“1欧元”过滤器.核心思想是总体运动(你的突然峰值)可能基本上是正确的,而低运动时期是嘈杂的并且应该平均下降.只要有大的移动,该过滤器就会突然打开带宽,然后逐渐将其压下.它专为跟踪人体运动而设计,不会反映测量结果产生的噪音.

点赞