正确归因于 zooreg 对象？

Question

我的objective 是在 zooreg 时间序列对象中估算 NA。时间序列的模式是循环的。我的代码是：

#load libraries required
library("zoo")

# create sequence every 15 minutes from 1st Dec to 20th Dec, 2018
timeStamp <- seq.POSIXt(from=as.POSIXct('2018-01-01 00:00:00', tz="UTC"), to=as.POSIXct('2018-01-20 23:45:00', tz="UTC"), by = "15 min")
# data which increases from 12am to 12pm, then decreases till 12 am of next day, for 20 days
readings <- rep(c(seq(1,48,1), seq(48,1,-1)), 20)
dF <- data.frame(timeStamp=timeStamp, readings=readings)

# create a regular zooreg object, frequency is 1 day( 4 readings * 24 hours)
readingsZooReg <- zooreg(dF$readings, order.by  = dF$timeStamp, frequency = 4*24)
plot(readingsZooReg)

# force some data to be NAs
window(readingsZooReg, start = as.POSIXct("2018-01-14 00:00:00", tz="UTC"), end = as.POSIXct("2018-01-16 23:45:00", tz="UTC")) <- NA
plot(readingsZooReg)


# plot imputed values
plot(na.approx(readingsZooReg))

情节是： Full time series, NAs added, Imputed time series

我特意在这里使用动物园，因为我处理的时间序列是不规则的（例如太阳能、油井等）

1) 我对 "zooreg" 的用法正确吗？或者 "zoo" 对象就足够了吗？
2）我的频率变量对吗？
3) 为什么 na.approx 不起作用？我也试过 na.StructTs，R 脚本挂起。
4）是否有使用任何其他包的解决方案？ xts、ts 等？

Answer 1

您当前的示例时间序列是常规时间序列。（不规则 时间序列的时间步长与观察之间的时间距离不同）

例如：

10:00:10, 10:00:20, 10:00:30, 10:00:40, 10:00:50（等间距）
10:00:10, 10:00:17, 10:00:33, 10:00:37, 10:00:50（不规则间距）

如果你真的需要处理不规则间隔的时间序列，zoo 是你的首选包。否则你也可以使用其他时间序列类作为 xts 和 ts.

关于频率：

您通常根据期望模式重复的值来设置时间序列的频率。（在您的示例中，这可能是 96）。在现实生活中，这通常是 1 天、1 周、1 个月……但也可能与这些不同，例如 1.5 天。（例如，如果您有每日返回模式和 1 分钟观察，您可以将频率设置为 1440）。

na.approx zoo 完美运行。它完全按照预期的方式进行。间隙之前的点 0 和间隙末端的 0 之间的插值将在 0 处给出一条直线。当然，这可能不是您预期的结果，因为它没有考虑季节性。这就是为什么 G. Grothendieck 建议您 na.StructTS 作为一种选择方法。（这种方法通常在考虑季节性方面更好）

如果您不受限于动物园，在这种特定情况下，最好的选择是使用 imputeTS 包中的 na_seadec（一个专门用于时间序列插补的包).

我已经为您添加了一个示例，其中还包含来自 imputeTS 包

的漂亮图

library(imputeTS)
yourTS <- ts(coredata(readingsZooReg), frequency = 96)
ggplot_na_distribution(yourTS)
imputedTS <- na_seadec(yourTS)
ggplot_na_imputations(yourTS, imputedTS)

通常 imputeTS 也可以完美地将动物园时间序列作为输入。我只是再次将它更改为 ts，因为你的动物园对象看起来很奇怪......这也是为什么 na.StructTS 来自动物园本身的原因。也许有更好知识的人可以在这里提供帮助。

注意，如果你真的应该有不规则的时间序列，请不要使用 zoo 以外的其他包/插补函数。因为他们都假设数据是规则间隔的，并且会相应地给出结果。

正确归因于 zooreg 对象？

Correct imputation for a zooreg object?

r

time-series

frequency

zoo

imputation