2

我的第一篇文章对任何错误表示歉意。

我正在尝试对模拟的昼夜节律数据集进行光谱分析。我将数据集拆分为 72 小时的重叠窗口，一次将窗口移动 1 小时，然后对每个窗口执行分析。

我已经很容易地将数据拆分成窗口，并在 MATLAB 中通过频谱重采样对窗口进行分析，然后再导入 R 以执行拟合和预测。在分析之前对数据进行线性去趋势。

我遇到的问题是，有时，合身是颠倒的，我不知道为什么。对于不同的模拟，它似乎处于不同的点。

一个窗口的数据因翻转谐波拟合而有罪：

[1]  -2.9136538   0.0010000  34.5624105  22.4405751  30.9085542  52.0034490  79.5249172 
119.5003560 131.3097901 161.3732205 151.1808213 151.3683942 137.2054086 129.6240755 
119.3947248 104.8470942 109.6584816  92.4747798  64.1060229  47.8765937  38.5499292
27.9335235  29.4226107  27.2898893  19.2395761   6.7445437   5.5157589   0.6936448
8.1536902   2.7837173  18.8406092  38.0873956  34.7811886  34.8339832  77.8551701
96.4206791  59.8705545  69.8435641  84.0060386  86.8470648  75.5799761  95.7528280
104.4698246 109.9925047 111.0268326 114.4968343  92.4072921  82.8064504  87.8407758
82.2552400  58.5038630  45.4751850  44.4046889  42.6263098  34.6088522  36.9155973
32.8585151  19.1018107   7.7472503  13.6565334   9.6832063   2.3193501   8.2114646
8.9220096  15.9007696  24.4889114  38.9416853  44.6872649  66.7847050  88.5166601
123.3687771 135.0492302

对于这个特定的窗口，重要的频率如下：

Period    Amplitude   Phase
32.508896 52.346609  0.840978
11.882840 17.036845  0.733279
8.650918  6.771955 -0.573897
3.600676  8.561309  0.863454
6.661385  7.278945 -0.823185

现在，拾取的频率数量因窗口而异。这是我编写的代码，用于生成每个窗口的余弦曲线和预测的总和，并将它们放入矩阵中，每列都适合该窗口：

no.freq72_3 <- tabulate(freq72_3$Window)
cusum72_3 <- cumsum(no.freq72_3)    

length <- 28
forecast72_3 <- matrix(NA, nrow=(dim(window72_3)[1])+length,     
ncol=length(no.freq72_3))

for(i in 2:length(no.freq72_3)){
tt72_3 <- matrix(NA, nrow=(dim(window72_3)[1])+length, ncol=no.freq72_3[i])
t72_3 <- c()
a72_3 <- c()
ph72_3 <- c()

for(j in 1:no.freq72_3[i]){
t72_3[j]  <- freq72_3[j+cusum72_3[i-1],2]
a72_3[j]  <- freq72_3[j+cusum72_3[i-1],3]
ph72_3[j] <- freq72_3[j+cusum72_3[i-1],4]
}

for(j in 1:no.freq72_3[i]){
for(l in 1:((dim(window72_3)[1])+length)){
tt72_3[l,j] <- a72_3[j]*cos((2*pi*(1/t72_3[j])*l)+ph72_3[j])
}
}

forecast72_3[,i] <- rowSums(tt72_3, na.rm=TRUE)

}

现在，这是我编写的用于绘制您需要的任何窗口的函数：

fore_win72_3 <- function(x){
data <- window72_3[, x]
fore <- forecast72_3[, x]

trend <- time(data)

reg1 <- lm(data ~ trend, na.action=NULL)
detrend <- data - fitted(reg1)
plot(detrend, xlim=c(0, dim(forecast72_3)[1]))
lines(fore)
}

fore_win72_3(100)

我会添加情节，但我没有足够的声誉。任何帮助将不胜感激！如果有任何编辑我可以做的比让我知道更容易！谢谢。

4

0 回答 0