如何解决可以使用小波预测时间序列吗?
我有一堆分钟数据,这些数据有很多季节性(天,周,月,年)。 我想使用小波变换对其进行长期预测。
此刻,我已经进行了傅立叶变换,并得到了用于预测每日季节性的表达式。 因此,我提取了正弦函数的频率和幅度。 Seasonal trend (orange) and reconstructed seasonal trend(blue) 蓝色曲线是具有已知振幅和频率的5个正弦函数的总和。而且,如果我将x值拟合到该方程式,我将得到y值。
我还试图通过小波变换(使用pywt)来做同样的事情。
import numpy as np
import pywt
x = np.linspace(0,1,num=2048)
chirp_signal = np.sin(250 * np.pi * x**2)
data = chirp_signal
fig,ax = plt.subplots(figsize=(40,10))
ax.set_title("Original Signal: ")
ax.plot(data)
plt.show()
waveletname = 'sym5'
fig,axarr = plt.subplots(nrows=5,ncols=2,figsize=(40,10))
for ii in range(5):
(data,coeff_d) = pywt.dwt(data,waveletname)
axarr[ii,0].plot(data,'r')
axarr[ii,1].plot(coeff_d,'g')
axarr[ii,0].set_ylabel("Level {}".format(ii + 1),fontsize=20,rotation=90)
axarr[ii,0].set_yticklabels([])
if ii == 0:
axarr[ii,0].set_title("Approximation coefficients",fontsize=20)
axarr[ii,1].set_title("Detail coefficients",fontsize=20)
axarr[ii,1].set_yticklabels([])
plt.tight_layout()
plt.show()
该示例来自this guide。
然后问题是:是否有可能(如果是,则如何)构造一个具有接收系数的函数,将x值拟合到该函数并获得相应的y值? >
谢谢!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。