Question

目标：由于基于黄土的方法存在问题，我试图使用带通滤波器从时间序列中提取季节和趋势分量，您可以阅读更多有关{{ 3}}。

数据：数据是10年间的每日降雨量测量值，其随机性很高，并且具有明显的年度季节性。可以找到数据here。

问题：执行过滤器时，“周期”组件按预期方式显示（捕获年度季节性），但“趋势”组件似乎过拟合，因此残差变成很小的值，结果模型对于样本外预测没有用。

US1ORLA0076 <- read_csv("US1ORLA0076_cf.csv")
head(US1ORLA0076)

  water_date  PRCP prcp_log
  <date>     <dbl>    <dbl>
1 2006-12-22  0.09   0.0899
2 2006-12-23  0.75   0.693 
3 2006-12-24  1.63   1.26  
4 2006-12-25  0.06   0.0600
5 2006-12-26  0.36   0.353 
6 2006-12-27  0.63   0.594

然后我使用here包中的以下命令，应用Christiano-Fitzgerald带通滤光片（旨在使波长在半年到全年之间，即单次年波）通过。

library(mFilter)

US1ORLA0076_cffilter  <- cffilter(US1ORLA0076$prcp_log,pl=180,pu=365,root=FALSE,drift=FALSE,
                                  type=c("asymmetric"),
                                  nfix=NULL,theta=1)

创建一个S3对象，其中除其他事项外，还包含“趋势”值的向量和“周期”值的向量，例如：

head(US1ORLA0076_cffilter$trend)
          [,1]
[1,] 0.1482724
[2,] 0.7501137
[3,] 1.3202868
[4,] 0.1139883
[5,] 0.4051551
[6,] 0.6453462

head(US1ORLA0076_cffilter$cycle)
            [,1]
[1,] -0.05839342
[2,] -0.05696651
[3,] -0.05550995
[4,] -0.05402422
[5,] -0.05250982
[6,] -0.05096727

绘制：

plot(US1ORLA0076_cffilter)

mFilter

我对这个输出感到困惑。这个周期看起来与我预期的差不多。趋势没有。

问题：mfilter是否甚至以与decompose（）或stl（）之类的函数相同的方式定义“趋势”？如果没有，那我应该怎么考虑呢？

问题：我是否对cffilter（）进行了错误的校准，我可以更改哪些内容以改善趋势分量的定义？

Answer 1

答案是，“否” mfilter（）并未像某些分解函数（例如stl（））那样定义“趋势”。通常将其定义为“ 周期所偏离的事物”。将通滤波器设置为180-365的带宽，我隔离了年度循环分量，该分量已从数据中减去，留下了其他所有内容，在这里定义为“趋势”，可以将其视为种残留物。

要使用相同的方法识别像stl（）或decomp（）这样的分解包中显示的“趋势”，可以应用与上述相似的带通滤波器，但在（针对该数据集）366-3652，它将捕获反映整个10年周期的频率范围，但不包括诸如年度季节性之类的年内频率范围。

#Overall trend captured with similar code (and slightly different data):
US1ORLA0076_cffilter_trend  <- cffilter(US1ORLA0076$prcp_log,pl=366,pu=3652,root=FALSE,drift=FALSE,
                                        type=c("asymmetric"),
                                        nfix=1,theta=1)

plot(US1ORLA0076_cffilter_trend)

为什么此Chistiano-Fitzgerald过滤器（mFilter的cffilter）的趋势组件过于拟合？

1 个答案: