java 时间序列水质预测_时间序列预测

分类

分类方式：预测步长(单步预测、多步预测)、输入变量(单变量、多变量)、输出结果、目标个数

特征

可以从时域、频域、时频结合角度构建时间序列特征。其中时域比较常见，诸如加窗口统计或者lag；频域代表方法为FFT，预测时不太实用；时频结合如EMD分解等，预测时会存在数据泄露的问题，其实也不太实用。但是这两种方法比较难理解，简单介绍一下。

频域FFT

参考知乎文章https://www.zhihu.com/question/279808864/answer/552617806

首先要了解傅里叶变换的概念，对满足狄里赫利(Dirichlet)条件的周期信号做傅里叶变换可以得到一组傅里叶级数，其可以表示为：

其中w为频率。傅里叶级数能够将任何周期信号分解成一个(甚至是由无穷多个元素组成的)简单振荡信号的集合，如下图所示。

对于周期信号，既然知道了其中的各个成分是成谐波关系的，那么频率成分就确定了。所以在不考虑相位差的情况下，问题关键是如何得到这些成谐波关系的正弦信号前的系数(或者说，谐波的幅值，也即是各个成分的