研究笔记
CUMT_ZZY
这个作者很懒,什么都没留下…
展开
-
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")) 观察数据原创 2020-11-13 15:28:12 · 3551 阅读 · 1 评论 -
EMD(经验模态分解)算法 二
上次基本搞懂了怎么用各种滤波器,这次重点看看EMD的算法应用,怎么调参数以产生不同的分解波形。 # EMD经验模态分解 emd <- as.data.frame(emd(xt=diff(load[,"Load"]),boundary="wave",stoprule="type2")$imf) dat <- cbind(dat,data.frame("EMD"=c(NA,cumsum(rowSums(emd[,3:6]))))) g <- melt(dat[,c("Time","EMD","原创 2020-11-13 15:28:33 · 2311 阅读 · 0 评论 -
EMD(经验模态分解)算法 三
上次搞定了R语言对一列的值做emd然后输出所有imf的组合图,下面尝试处理多列数值。 #绘制所有省份最高值的最后一个IMF # 读取数据 load <- data.frame(read.csv("最高.csv")) # 取对数 length(load) load[,2:length(load)] <- log(load[,2:length(load)]) 最后的表的标题 title <- "全省区最高值最后一个IMF" # emd循环 创建一个用于存储图表的list原创 2020-11-13 15:29:11 · 931 阅读 · 0 评论 -
EMD(经验模态分解)算法 五
任务列表 1.换用另外一个EMD包 | Rlibeemd | Ensemble Empirical Mode Decomposition (EEMD) and Its Complete Variant (CEEMDAN) | 可以使用EEMD和CEEMDAN方法 2.计算周期,均值,方差,方差贡献率 3.高低频聚合原创 2020-11-13 15:29:46 · 967 阅读 · 1 评论