我正在做一些建模工作，其中我试图参数化随季节和时间而变化的效果。时间效应在季节之间以复杂的方式不同，因此似乎最通用的方法是在周期性[一天中的时间，一年中的一天]空间中对效果进行建模。
所描述的效果与实际预测值和预测量具有非线性关系，因此我需要一个可以使用非线性优化进行调整的显式参数化。
因此，最明显的选择是2D傅立叶基础。任何人都可以推荐一个R包来生成这个吗？我发现包fda具有'create.fourier.basis'功能，但这似乎只适用于1D。
除了傅立叶方法之外，我所拥有的数据的采样在[一天中的时间，一年中]平面上是非常不规则的，因此理想情况下是一种更局部化的方法，例如周期性三次样条，我可以在其中放置更多的结平面的数据丰富部分将是更可取的。有没有人知道为这种表示创建2D基础的R包？
答案 0 :(得分：4)
mgcv 包可以创建两个或更多基础基础函数的张量积基函数。它还允许循环立方和p样条，它可以用于你提到的变量，作为张量积的基础函数。
由于 mgcv 附带R，我会从那开始。首先看?te和?smooth.terms。
答案 1 :(得分：0)
fda软件包适合处理多变量功能数据。看看例如。
？FD
fd的帮助指出，为基础函数对象分配三维数组可以为您提供多变量函数数据对象。在他们的书中，Ramsay，Hooker和Graves（2009）使用多变量功能数据对象来捕获手写数据，并使用笔位置的2D定义加上时间维度。
也许我错了，但你不能只为你的数据应用相同的框架，这个数据是在季节，白天和效果上定义的吗？