如何使用傅里叶变换通过拟合主导频率来预测未来趋势

Question

这里我在同一个位置有几个深度剖面图。该轮廓以时间序列测量，但不是以均匀的时间间隔测量。我通过FFT分解这些配置文件并找到主导频率。然后我发现每个轮廓中主要频率的幅度符合指数回归。那么我该如何使用这一点来预测配置文件的未来发展。这就像你给一个时间，然后你得到一个档案。

这里我的想法是适应时间的幅度。但我只能适应复杂的真实部分，而不是想象中的部分。只要我改变imagina部分的值然后改变逆FFT，配置文件就会消失。我不知道为什么......

以下是该计划的一部分

%fitting%forecast
pp1=polyfit(xx,YY1,1);
%pp2=polyfit(xx,YY2,1);
xx=log([5000 10000 20000 30000 50000 100000 500000]);
p1=pp1(1)*xx+pp1(2);
%p2=(pp2(1)*xx+pp2(2))*1i;
p=p1;%+p2;
%kk2=imag(Y1);
kk1=real(Y1);
%kk2(:,6)=kk2(:,5);
%kk2(:,7)=kk2(:,5);
kk1(:,6)=kk1(:,5);
kk1(:,7)=kk1(:,5);
kk1(5,:)=p;
kk1(91,:)=p;
kk=kk1;%+kk2*1i;
%as long as I fit the imaginary part the profile becomes strange 
k=ifft(kk);
plot(a1)
hold on
plot(k,'*')