我是时间序列分析的新手。我试图找到一个短（1天）温度时间序列的趋势，并尝试不同的近似值。此外，采样频率为2分钟。数据被分配给不同的站点。我将比较不同的趋势，看看它们是否相似。
我在这方面面临三个挑战：
Q1 - 我如何提取模式？
Q2 - 我如何量化这一趋势，因为我将比较趋势属于两个不同的地方？
问题3 - 我什么时候可以说两种趋势相似或不相似？
答案 0 :(得分：6)
Q1 - 我如何提取模式？
您首先要对两个数据集执行时间序列分析。您将需要一个统计库来进行测试和比较。
如果你可以使用Python，pandas是个不错的选择。
在R中，forecast包很棒。首先在两个数据集上运行ets。
Q2 - 我如何量化趋势，因为我将比较趋势属于两个不同的地方？
量化趋势背后的想法是从寻找（线性）趋势线开始。所有统计数据包都可以帮助解决这个问题。例如，如果您假设线性趋势，那么最小化与数据点的平方偏差的线。
关于trend estimation的维基百科文章非常容易获取。 另外，请记住，趋势可以是线性的，指数的或阻尼的。可以尝试不同的趋势参数来处理这些。
问题3 - 我何时可以说两种趋势相似或不相似？
在两个数据集上运行ARIMA。 （这里的基本思想是查看同一组参数（构成ARIMA模型）是否可以描述你的临时时间序列。如果你在auto.arima()（R）中运行forecast，那么它将为您的数据选择参数p，d，q，非常方便。
另一个想法是对你的两个系列进行双样本t检验，并检查p值是否有显着性。 （警告：我不是统计学家，所以我不确定是否有任何理论反对时间序列这样做。）
在研究时，我遇到了Granger Test - 其基本思路是看一个时间序列是否有助于预测另一个时间序列。似乎非常适用于您的情况。
所以这些只是让你入门的几件事。希望有所帮助。