我想使用FastFourierTransformation来识别模式，以便预测我的监控指标的未来值。我想做的是：
我监控传入的流量负载，这是季节性重复（白天的高选择），另外一个星期的趋势（周末流量较低，也是季节性重复）。
虽然我尝试了一些增强回归算法，但我还想使用FFT来识别最重要的系数，以便识别这两个最重要的频率，然后尝试推断以预测流量。不久的将来。
虽然我在数学方面的理论背景给我带来了一些麻烦，但我正在与apache.commons.math3.transform.FastFourierTransformation挣扎。
假设我使用doube [] array在观察的时间范围内存储我的最新流量负载，我使用以下代码：
double [] initialSignal = getMonitoringData(timeslide);
FastFourierTransformer fft = new FastFourierTransformer(DftNormalization.STANDARD);
Complex [] result = fft.transform(initialSignal, TransformType.FORWARD);
但是我不熟悉Complex []数组所代表的内容。数组中每个Complex对象的虚构属性是否代表相关的正弦系数？
那么，如果我想取去噪声的初始信号，我只需将Complex []结果数组的不太重要的系数设置为零？
但是，如果我有以下
Complex [] denoised = fft.transform(importantCoefficiants, TransformType.INVERSE);
结果仍然是一个Complex数组。如何获得时间序列的新变换x（t）值？
在对初始时间序列进行去噪后，如何进行推断以预测x(t+1), x(t+2) ... x(t+n) values？
答案 0 :(得分：0)
嗯，我猜我昨天晚上找到了一个解决方案，与erickson的回答非常相似。 我计算x ^ 2 + y ^ 2然后我考虑最重要的系数。我将数组的其他元素设置为零，然后执行IFFT。我现在的最后一个问题是：
如何在Complex数组中推断出给定的结果，以便预测未来的值？ 例如，如果我有n = 4096个样本（Complex [4096]数组）作为我的输入，那么我认为x（n + 1）的值将是数组[0]的值，x的值（ n + 2）将是数组[1]等的值？