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