EMD(经验模态分解)算法 一

参考R语言提取时间序列的周期性成分应用EMD,小波滤波器,BAXTER过滤器等的方法进行应用。

第一次尝试

首先安装依赖包

# install.packages("reshape2")
# install.packages("plm")
# install.packages("ggplot2")

加载包

library(reshape2)
library(plm)
library(ggplot2)

读取数据

load<-data.frame(read.csv("安徽最高.csv"))

观察数据

load

观察数据
重命名

names(load) <- c("Time","Load")

取对数

load[,"Load"] <- log(load[,"Load"]) 

观察对数负载随时间的变化

ggplot(load,aes(x=Time,y=Load)) + geom_line(size=.5) + theme_classic() + labs(title="对数负载")

对数负载
形状如上,波动还是挺大,冬天夏天用电处于高峰,没有特别明显的线性或非线性趋势。
尝试去除线性趋势看看。

dat <- data.frame("Time"=load[,
  • 5
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
EMD经验模态分解算法是一种局部平稳性分解技术,用于将时间序列分解成若干个组成部分,每个部分中包含不同的时间尺度和不同频率的信息,以更好地描述时间序列的特征。该算法能够充分利用时间序列数据的内在特征结构,适用性广泛。在EMD分解实验中,可以通过导入PyEMD工具库,构建信号并提取IMFs(内禀模态函数)和剩余信号。通过绘制IMFs和剩余信号的瞬时频率,可以更好地理解时间序列的特征。\[1\]\[3\]该模型还可以结合机器学习相关算法如神经网络或支持向量回归(SVR)等进行时间序列预测,以提高预测的准确性。\[1\]\[2\] #### 引用[.reference_title] - *1* *2* [基于EMD经验模态分解算法Python程序](https://blog.csdn.net/qq_41728700/article/details/129288324)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [Python-经验模态分解EMD)分解及测试用例](https://blog.csdn.net/weixin_41990278/article/details/123127868)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值