Академический Документы
Профессиональный Документы
Культура Документы
Página 1
Espectro singular
Maurizio sanarico
Consultoría SDG
Página 2
Motivación
• Hipótesis de trabajo: una señal está compuesta por tendencia (posiblemente múltiple
https://translate.googleusercontent.com/translate_f 1/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 3
K=N-L+1
Página 4
Características de la SSA
• las series de tiempo se pueden representar como una suma de diferentes componentes, como
Tendencia (que definimos como cualquier serie de variación lenta), periodicidades moduladas,
y el ruido
• Los componentes interpretables pueden ser aproximados por series de tiempo de rango bajo y
https://translate.googleusercontent.com/translate_f 2/15
9/10/2018 Análisis de espectro singular con RSSA.
análisis
Página 5
• Longitud de la ventana: L
• Índices grupales: r
Página 6
Aplicaciones de la SSA.
• Pronóstico
• Estimación de la densidad
• Procesamiento de imágenes
Página 7
Donde se ha aplicado
• Ingenieria
• Procesamiento de imágenes
• medicina
• Ciencias actuariales
• Mantenimiento predictivo
Página 8
El algoritmo
matriz XX T
https://translate.googleusercontent.com/translate_f 4/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 9
Propiedades
• Descubrir automáticamente:
• Residual
• Pronóstico
Página 10
• Por lo tanto, el diagrama de dispersión de un par de vectores propios , que produce un mayor o
polígono T-vertex menos regular , puede ayudar a identificar una sinusoide del período T
Página 11
matriz de correlación w
• Los componentes bien separados tienen una pequeña correlación mientras que están mal separados
Pagina 12
https://translate.googleusercontent.com/translate_f 6/15
9/10/2018 Análisis de espectro singular con RSSA.
Las longitudes que son divisibles por el período proporcionan una mejor separabilidad.
En primer lugar se extrae la tendencia con una pequeña ventana de longitud y luego
con L = N / 2
Página 13
biblioteca (rssa)
# Etapa de descomposición
s <- ssa (co2, L = 120)
parcela (s)
gráfico (s, tipo = "vector")
parcela (s, tipo = "emparejado")
gráfico (s, tipo = "wcor")
# Etapa de reconstrucción
# Agrupación de mirar la matriz W Cor
# Los resultados son las series reconstruidas r $ F1, r $ F2 y r $ F3
recon <- reconstruir (s, grupos = lista (c (1,4), c (2, 3), c (5, 6)))
# Calcular los residuos.
res <- residuos (recon)
parcela (recon, tipo = "cumsum")
plot (wcor (s, groups = list (c (1,4), c (2,3), c (5, 6))))
parcela (recon)
Página 14
Resultados
https://translate.googleusercontent.com/translate_f 7/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 15
Resultados
Página 16
ver
https://translate.googleusercontent.com/translate_f 8/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 17
Página 18
componentes
https://translate.googleusercontent.com/translate_f 9/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 19
primero
r <- reconstruir (s, grupos = lista (c (1), c (2, 3, 4), c (5, 6)))
gráfico (wcor (s, groups = list (c (1), c (2,3, 4), c (5, 6))))
trama (r)
Página 20
Resultados
https://translate.googleusercontent.com/translate_f 10/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 21
• Wavelets
• PROS
• Naturalmente multiescala
• CONTRAS
• Elección de la base.
• Elección de condiciones de contorno (reflexivo / periódico)
• Elección de los niveles en la descomposición.
• Profundidad de la descomposición wavelet.
• Longitud de la ventana de prueba
• SSA
• PROS
• Parámetro único (longitud de la ventana)
• Base adaptativa / basada en datos (EOF = funciones ortogonales empíricas)
• CONTRAS
• No es naturalmente multiescala (pero se puede adaptar)
Página 22
https://translate.googleusercontent.com/translate_f 11/15
9/10/2018 Análisis de espectro singular con RSSA.
Otro ejemplo: consumo de energía.
datos
Página 23
https://translate.googleusercontent.com/translate_f 12/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 24
Página 25
https://translate.googleusercontent.com/translate_f 13/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 26
Página 27
f <- pronóstico (s, grupos = lista (1: 6), método = "bootstrap-recurrent", len =
24, R = 10)
https://translate.googleusercontent.com/translate_f 14/15
9/10/2018 Análisis de espectro singular con RSSA.
Página 28
https://translate.googleusercontent.com/translate_f 15/15