我有一些季节性很强的天气相关数据,我想做的是
识别一些“异常值”并将这些异常值更改为合理的值(我不想删除它们)。
我正在使用 pracma 包中的 hampel 过滤器来识别和纠正这些异常值,但问题是某些季节性峰值被降低了太多。我猜
此功能不考虑季节性。
下图显示了这一点(24 个月的窗口),红线是过滤后的数据。
有没有办法纠正这个问题?换句话说,取“峰值”并在季节之间取平均值?
谢谢!
最佳答案
正如@Michael 所建议的,这里有一些代码可以删除季节性组件,对剩余的系列应用异常值过滤器,然后再次添加季节性组件(使用风险自负):
filter.outliers = function(serie.orig)
{
require(forecast)
require(pracma)
## get a stl decomposition object
stl.decomp = stl(serie.orig, s.window = 'periodic', t.window = 13, robust = T)
## remove the seasonal component
serie.desaz = seasadj(stl.decomp)
## apply a hampel filter
serie.desaz2 = hampel(serie.desaz, k = 12)$y
## put back the seasonal component
return(serie.desaz2 + stl.decomp$time.series[, 'seasonal'])
}
关于r - 过滤季节性时间序列异常值,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/12218584/