- 在线时间
- 555 小时
- 最后登录
- 2024-2-3
- 注册时间
- 2021-4-27
- 听众数
- 65
- 收听数
- 0
- 能力
- 7900 分
- 体力
- 14670 点
- 威望
- 790 点
- 阅读权限
- 255
- 积分
- 170897
- 相册
- 0
- 日志
- 0
- 记录
- 1
- 帖子
- 1145
- 主题
- 889
- 精华
- 2
- 分享
- 0
- 好友
- 31
TA的每日心情 | 开心 2023-3-15 17:49 |
---|
签到天数: 224 天 [LV.7]常住居民III
|
stl-decomp-4j-master.zip
(1.85 MB, 下载次数: 2)
$ Z- y* w# Z, |( n
黄土时间序列的季节性分解Seasonal-Trend-Loess(STL)算法将时间序列分解为季节,趋势和残差成分。 该算法使用( 为原始论文)来平滑循环子序列(例如,下例中所示的CO 2数据中的所有January值)。 从信号中去除季节性之后,对余数进行平滑处理(分多个步骤)以找到趋势。 重复此过程,并可能包括利用Loess的加权最小二乘法基础进行的鲁棒性迭代,以消除异常值的影响。 详细信息在进行了描述。stl-decomp-4j是可从获得的原始Ratfor / Fortran的Java端口(为;也包含在examples/StlPerfTest/fortran_benchmark ),已扩展为支持局部二次插值。 stl-decomp-4j期望间隔均匀的数据且没有缺失值,类似于原始的Fortran版本(以及和版本,它们都在后台使用原始的Fortran版本)。查看了解TODO等。& d1 j) e& k) u* Q' i
1 g+ n7 y5 {- {: Z) t; d/ _6 M% ` D Q: T8 g7 i6 z# ?
|
zan
|