Modelowanie szeregów czasowych danych cyklicznych

13

Buduję modele ARIMA dla niektórych danych wiatru / fal. Buduję osobny model dla każdej zmiennej.

Dwie zmienne, które muszę modelować, to kierunek fali i wiatru. Wartości podano w stopniach (0–360 °). Czy jest możliwe modelowanie tego typu danych, gdy przedział wartości jest okrągły? Jeśli nie, to która klasa modeli jest najlepsza dla tego rodzaju danych?

time-series arima circular-statistics krsnik93
źródło
Nie rozumiem dlaczego nie. Być może jeśli opublikujesz swoje rzeczywiste dane, być może będę mógł zobaczyć lepiej. Termin „przedział wartości” jest dla mnie niejasny.
IrishStat,
8
Czy rozważałeś użycie współrzędnych kartezjańskich (cosinus i sinus kąta) dla kierunków?
whuber
Dane idą od 0 do 359 ° 59'59 '' (przekonwertowane na zmiennoprzecinkowe) ... Kiedy mówię przedział wartości, mam na myśli zakres możliwych wartości, jest ciągły, ale także okrągły ... Na przykład, kiedy prognozuję i wartości zbliżają się do 360, przedział ufności znacznie przekracza 360 ... Model nie zdaje sobie sprawy, że przedział powinien być okrągły, więc 359 ° 59'59 '' jest maksymalną możliwą wartością, a następna wynosi 0 jeszcze raz ... Nie próbowałem współrzędnych kartezjańskich, które wymagałyby wtedy modelu VAR (2 serie, jedna dla cosinusa, a druga dla wartości sinusoidalnej)?
krsnik93
1
Czy masz więcej szczegółów na temat tego, co próbujesz zrozumieć dzięki modelowaniu? Dodatkowe informacje o przyczynie / celu byłyby dobre. Wyobrażam sobie, że modelowanie zmiany kierunku byłoby na przykład łatwiejsze (np. Zmiana stopni mogłaby skutkować modelem cyklicznym lub sinusoidalnym). Twoje pytania wydają się sugerować, czy model jest wystarczająco dobry - to zależy od twojego doświadczenia technicznego i dopasowania?
MarkR
1
Jest kilka artykułów na ten temat, teraz patrzę na ten: link.springer.com/article/10.1007/s10463-008-0207-z
krsnik93

Odpowiedzi:

1

Czy rozkład von Misesa jest dobrym modelem dla kierunku wiatru. Obsługuje ponad 0 do 2 \ pi (lub -pi do + pi) https://www.statisticshowto.datasciencecentral.com/von-mises-distribution/

Jeśli tak, istnieją przykłady ( https://iris.unipa.it/retrieve/handle/10447/94147/118553/basile_et_al_icrera_2013.pdf ), które używają rozkładu von Misesa z szeregiem czasowym. Jest on podłączony do ukrytego modelu Markowa, a nie ARIMY, ale myślę, że kluczową sprawą jest dystrybucja von Misesa (Tichonowa)?

Paul Hewson
źródło