如何解决使用相似时间序列的估算时间序列
我有一个问题,我有很多关于恒温器1年记录的数据,每小时都会给我该家庭的平均温度。但是许多数据不可用,因为他们只在年中安装了恒温器,或者将恒温器放了一周或一周。...但是许多这种恒温器数据确实很相似。我要做的是使用相似的时间序列估算缺失的数据。
因此,假设房屋A仅在7月开始,但是从那里开始,它们与房屋B非常相似,因此我想使用房屋B的信息来预测房屋7月之前的数据。
我当时正在考虑培训一个递归神经网络,该神经网络可以为我做到这一点,但是我不确定要做什么,当我搜索论文时,它们几乎只能处理多年的数据集并估算该数据使用前几年的数据。我没有这些数据,所以这不是一个选择。
有人知道如何解决这个问题吗?或者我可以使用可以解决类似问题的参考文献?
解决方法
据我所知,您希望使用横截面数据而不是时间序列信息来估算数据。
实际上有相当多的插补包可以在 R 中为您做到这一点。(如果您使用的是 R)
您需要等距的数据。所以每小时 1 个值,如果它不存在,则它需要为 NA。所以理想情况下,你有多个等长的时间序列。
然后你根据时间戳/小时合并这些时间序列。
之后,您可以应用插补包,例如mice
,missForest
,imputeR
基本上只有一行代码。这些包将使用不同时间序列之间的相关性来估计这些序列中的缺失值。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。