我想在时间序列上的一些缺失观测气候数据来检测异常值。搜索,我发现许多可用的方法网页。其中,STL分解似乎吸引力,去除趋势和季节性成分和研究其余的意义。阅读STL: A Seasonal-Trend Decomposition Procedure Based on Loess,STL似乎是在确定分配变化的设置,通过异常值的影响和可能的,尽管缺失值应用灵活。然而,试图将其应用于R,凭借四十年的观测,并根据http://stat.ethz.ch/R-manual/R-patched/library/stats/html/stl.html定义所有的参数,我遇到的错误:
时间序列包含内部的NA
当na.action = na.omit
,和
系列不是周期性的或具有小于两个周期
当na.action = na.exclude
。
我有双重检查的频率是否正确定义。我已经看到了博客的相关问题,但没有找到,可以解决这个任何建议。它是不可能在一系列应用STL与遗漏值?我很不愿意插值他们,因为我不希望引入(因此检测...)文物。出于同样的原因,我不知道这将是多么明智的,而不是使用ARIMA方法(如果缺失值将仍然是一个问题)。
请分享,如果你知道一种方法在一系列应用STL与缺失值,或者如果您认为我的选择是在方法论上不健全,或者如果你有什么更好的建议。我在场上很新和的(貌似...)相关信息的堆不堪重负。
在stl
年初,我们find
x <- na.action(as.ts(x))
不久之后
period <- frequency(x)
if (period < 2 || n <= 2 * period)
stop("series is not periodic or has less than two periods")
也就是说,stl
预计x
是ts
对象后na.action(as.ts(x))
(否则period == 1
)。让我们检查na.omit
和第一na.exclude
。
显然,在getAnywhere("na.omit.ts")
结束时,我们发现
if (any(is.na(object)))
stop("time series contains internal NAs")
这很简单,没有什么可以做(na.omit
不排除从NAs
对象ts
)。现在getAnywhere("na.exclude.default")
排除NA
观察,但返回类exclude
的对象:
attr(omit, "class") <- "exclude"
这是一个不同的情况。如上所述,预计stl
na.action(as.ts(x))
是ts
,但na.exclude(as.ts(x))
是类exclude
的。
因此,如果一个是满意NAs
排阻然后例如
nottem[3] <- NA
frequency(nottem)
# [1] 12
na.new <- function(x) ts(na.exclude(x), frequency = 12)
stl(nottem, na.action = na.new, s.window = "per")
作品。在一般情况下,stl
不NA
值(即与na.action = na.pass
),它崩溃了Fortran中(见完整的源代码here)更深层次的工作:
z <- .Fortran(C_stl, ...
替代na.new
不愉快:
na.contaguous
- 发现非缺失值的最长连续伸展在时间序列对象。na.approx
,从na.locf
或一些其他插补功能zoo
。正如我们在paper看到,有没有遗漏值(如在一开始接近他们)一些简单的过程,它可以调用stl
之前被应用到时间序列。因此,在考虑到original implementation是我曾经想比全新的实现一些其他的替代品非常冗长。
更新:具有当NAs
可以从na.approx
被zoo
,让我们检查它的性能,即具有stl
的一些数字时,使用NAs
具有完整的数据集和比较结果na.approx
的结果相当多方面的最佳选择。我使用MAPE作为准确的度量,但仅限于趋势,因为季节性成分和余数过零,它会扭曲的结果。对于NAs
位置是随机选择的。
library(zoo)
library(plyr)
library(reshape)
library(ggplot2)
mape <- function(f, x) colMeans(abs(1 - f / x) * 100)
stlCheck <- function(data, p = 3, ...){
set.seed(20130201)
pos <- lapply(3^(0:p), function(x) sample(1:length(data), x))
datasetsNA <- lapply(pos, function(x) {data[x] <- NA; data})
original <- data.frame(stl(data, ...)$time.series, stringsAsFactors = FALSE)
original$id <- "Original"
datasetsNA <- lapply(datasetsNA, function(x)
data.frame(stl(x, na.action = na.approx, ...)$time.series,
id = paste(sum(is.na(x)), "NAs"),
stringsAsFactors = FALSE))
stlAll <- rbind.fill(c(list(original), datasetsNA))
stlAll$Date <- time(data)
stlAll <- melt(stlAll, id.var = c("id", "Date"))
results <- data.frame(trend = sapply(lapply(datasetsNA, '[', i = "trend"), mape, original[, "trend"]))
results$id <- paste(3^(0:p), "NAs")
results <- melt(results, id.var = "id")
results$x <- min(stlAll$Date) + diff(range(stlAll$Date)) / 4
results$y <- min(original[, "trend"]) + diff(range(original[, "trend"])) / (4 * p) * (0:p)
results$value <- round(results$value, 2)
ggplot(stlAll, aes(x = Date, y = value, colour = id, group = id)) + geom_line() +
facet_wrap(~ variable, scales = "free_y") + theme_bw() +
theme(legend.title = element_blank(), strip.background = element_rect(fill = "white")) +
labs(x = NULL, y = NULL) + scale_colour_brewer(palette = "Set1") +
lapply(unique(results$id), function(z)
geom_text(data = results, colour = "black", size = 3,
aes(x = x, y = y, label = paste0("MAPE (", id, "): ", value, "%"))))
}
nottem
,240个观测
stlCheck(nottem, s.window = 4, t.window = 50, t.jump = 1)
co2
,468个观察
stlCheck(log(co2), s.window = 21)
mdeaths
,72个观测
stlCheck(mdeaths, s.window = "per")
直观我们确实看到趋势的情况下1和3的一些差异,但这些差异都在1非常小,在3考虑样品尺寸(72)也令人满意。
意识到这是一个老问题,但认为我会更新,因为有R中可用的新stl
包叫做stlplus
。 Here is its homepage on github。您可以从CRAN与install.packages("stlplus")
从GitHub与devtools::install_github("hafen/stlplus")
安装或直接。