RobustSTL 开源项目使用教程

温宝沫Morgan

于 2024-09-13 08:31:25 发布

阅读量893

点赞数 23

本文链接：https://blog.csdn.net/gitblog_00027/article/details/142197506

版权

RobustSTL 开源项目使用教程

RobustSTL Unofficial Implementation of RobustSTL: A Robust Seasonal-Trend Decomposition Algorithm for Long Time Series (AAAI 2019) 项目地址: https://gitcode.com/gh_mirrors/ro/RobustSTL

1. 项目介绍

1.1 项目概述

RobustSTL 是一个用于时间序列分解的开源项目，旨在将复杂的时间序列数据分解为趋势、季节性和剩余成分。该项目基于 Python 实现，支持 Python 3.5.2 及以上版本。RobustSTL 通过使用 LAD 损失和稀疏正则化来提取趋势，并通过非局部季节性过滤来提取季节性成分。与传统的 STL 方法相比，RobustSTL 在处理季节性波动、趋势突变和异常数据方面具有更好的鲁棒性。

1.2 项目特点

鲁棒性：能够处理包含异常值的时间序列数据。
季节性处理：支持季节性波动和突变。
长周期适用性：适用于具有长季节性周期的时间序列。

2. 项目快速启动

2.1 环境准备

首先，确保你已经安装了 Python 3.5.2 或更高版本。然后，通过以下命令安装所需的依赖库：

pip3 install -r requirements.txt

2.2 快速启动代码

以下是一个简单的示例代码，展示如何使用 RobustSTL 对时间序列数据进行分解：

import numpy as np
from RobustSTL import RobustSTL

# 生成一个合成的时间序列数据
np.random.seed(0)
n = 1000
trend = 10 * np.sin(np.linspace(0, 3 * np.pi, n))
seasonality = 5 * np.sin(np.linspace(0, 10 * np.pi, n))
remainder = np.random.normal(0, 1, n)
data = trend + seasonality + remainder

# 初始化 RobustSTL 对象
robust_stl = RobustSTL(data, season_len=24, reg1=10.0, reg2=10.0, K=3, H=5, dn1=1.0, dn2=1.0, ds1=50.0, ds2=1.0)

# 进行时间序列分解
trend_component, seasonality_component, remainder_component = robust_stl.decompose()

# 输出分解结果
print("Trend Component:", trend_component)
print("Seasonality Component:", seasonality_component)
print("Remainder Component:", remainder_component)