突变点检测：带突变的趋势描述测试过程

最新推荐文章于 2024-08-02 03:23:16 发布

Watch_dou

最新推荐文章于 2024-08-02 03:23:16 发布

阅读量4.4k

点赞数 4

分类专栏：异常检测文章标签：带突变的趋势描述

本文链接：https://blog.csdn.net/u012111465/article/details/82532176

版权

本文通过多个数据集应用突变点检测方法，如Kendall、Pettitt、Buishand U和SNHT，揭示数据中呈现的上升、下降趋势以及波动特性。部分数据呈现大幅下降或上升趋势，而有些则表现为波动性较大。通过对突变点进行人工确认和分段描述，得出趋势变化的详细结论。

摘要由CSDN通过智能技术生成

这里写图片描述

linear_trend_degree(inputdata)
(-0.8665321784088783, 5.094899437816308e-08)

temp_trend_desc(-0.8665321784088783)
(-40.90998251556271, ‘呈现下降趋势’)

fixed_base_ratio(inputdata)
-38.617856820438746

clf_result = stats.linregress(list(range(1,len(inputdata)+1)),inputdata)
clf_result[2]
-0.893158091932219
结论：只描述整体（大幅下降）

这里写图片描述

inputdata=[651.3, 768.32, 693.52, 761.85, 745.87, 811.38, 703.73, 654.48, 671.16, 667.6, 748.4, 713.49, 707.3, 719.18, 671.84, 703.41, 721.82, 683.08, 851.32, 550.56, 678.94]
linear_trend_degree(inputdata)
(-0.12711261341398308, 0.40976523292346345)

temp_trend_desc(-0.12711261341398308)
(-7.24416681587112, ‘呈现下降趋势’)

fixed_base_ratio(inputdata)
0.16113461483858016

Kendall_change_point_result = Kendall_change_point_detection(inputdata)
Kendall_change_point_result
[]
结论：整体线性回归没通过检验，下降角度较小（-7.24），定基比较小，Mann-Kendall未检测出突变点，“小幅波动”

inputdata=[1127.26, 1368.46, 1306.73, 1233.76, 1294.62, 1643.8, 1774.81, 1320.49, 1358.79, 1399.51, 1225.51, 1212.74, 1551.3, 1535.87, 1426.31, 1538.66, 1317.62, 1510.48, 1490.62, 1492.06, 1081.55]
linear_trend_degree(inputdata)
(0.11712589980483688, 0.5268499847342965)

temp_trend_desc(0.11712589980483688)
(6.680382464798988, ‘呈现上升趋势’)

fixed_base_ratio(inputdata)
11.473655143394387

Kendall_change_point_result = Kendall_change_point_detection(inputdata)
Pettitt_change_point_result = Pettitt_change_point_detection(inputdata)
Buishand_U_change_point_result = Buishand_U_change_point_detection(inputdata)
SNHT_change_point_result = SNHT_change_point_detection(inputdata)
temp_result = Kendall_change_point_result + [Pettitt_change_po