使用R进行时间序列分解
来源:互联网 发布:ubuntu yum 编辑:程序博客网 时间:2024/06/04 17:40
非季节性数据的时间序列分解
数据
http://robjhyndman.com/tsdldata/misc/kings.dat
分析
非季节性的数据包含两个组成成分,分别为随机噪声和趋势。为了能使用加性模型(Additive Model)描述非季节性数据的趋势成分,我们使用平滑法(SMA)来计算一个时间序列的移动平均。在使用SMA计算时间序列的移动平均值时,需设定跨度n。
R代码
library("TTR")kings <- scan("kings.dat", skip = 3)kings.ts <- ts(kings)kings.ts.sma3 <- SMA(kings.ts, n=3)kings.ts.sma8 <- SMA(kings.ts, n=8)svg("kings.ts.sma.svg", width = 8, pointsize = 12)par(mfrow=c(3,1))plot.ts(kings.ts)plot.ts(kings.ts.sma3)plot.ts(kings.ts.sma8)graphics.off()
结果
从上之下分别是原时间序列,跨度为3的平滑后的时间序列,以及跨度为8的平滑后的时间序列。从跨度为8的时间序列中可以看到其趋势是先下降后上升。
季节性时间序列分解
数据
http://robjhyndman.com/tsdldata/data/nybirths.dat
分析
季节性时间序列,正如其名,在非季节性时间序列的基础上增加了季节性成分,因此,分析一个季节性时间序列,需分解出他的季节性成分,趋势成分以及随机噪声成分。
R代码
##seasonal time seriesbirths <- scan("nybirths.dat")births.ts <- ts(births, frequency=12, start=c(1946,1))births.ts.com <- decompose(births.ts)png("births.ts.decompose.png")plot(births.ts.com)graphics.off()
结果
0 0
- 使用R进行时间序列分解
- 时间序列 R 07 时间序列分解 Time series decomposition
- 使用R进行数据可视化套路之-散点图、图形分隔、时间序列
- 时间序列分解入门
- R-xts()时间序列
- R时间序列分析
- 使用DMX进行多维时间序列预测
- 使用ARIMA算法进行时间序列预测。
- 时间序列分解算法:STL
- R & ARIMA 时间序列预测
- #R#时间序列相关函数
- R语言时间序列分析
- R语言-时间序列绘图
- 时间序列 R 09 ARIMA
- R语言 时间序列模型
- 非平稳时间序列的分解
- 非平稳时间序列确定性因素分解
- 分解时间序列(季节性数据)
- hdu 1203 dp背包问题
- 五步学会Android的ListView控件
- 黑马程序员-数据类型、变量作用域和数据结构的学习笔记
- Oracle学习(4):分组函数
- 线程池
- 使用R进行时间序列分解
- 【C++】基于特征向量的KNN分类算法
- Windows程序设计(消息机制)
- HDU 3488 — Tour 费用流/KM算法
- 疯狂Java学习笔记(59)-----------50道Java线程面试题
- Linux Shell脚本攻略(1.7)
- 3.1-2
- 现在
- ClassLoader 详解及用途