有效提升随时间显著下降的信号的方法

我想知道如果信号在某段时间内显著下降,最有效的纠正方法是什么。比如在图中,绿色信号大约在16:26到19:16之间消失了,我想通过统计学的方法将其提升到16:26之前和19:16之后的相同水平。

请查看此图

提前感谢!


回答:

尝试使用贝叶斯块方法,以下是相关论文:J. D. Scargle, J. P. Norris, B. Jackson, J. Chiang, (2012) arXiv:1207.5578.

这篇论文相当长,但你可以跳到他们包含MatLab实现的部分。

它的作用是将你的时间序列分成时间块,每个时间块内的数值围绕某个平均值波动,每个块的平均值不同。

一旦你有了这些块,你可以将那些较低的块向上调整以消除下降。

注意:有一个参数ncp_prior,通过调整它,你可以改变方法的敏感性,使其不会被波动误导,但仍能重现下降情况。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注