Zeitreihenmodellierung von zirkulären Daten

13

Ich baue ARIMA-Modelle für einige Wind- / Wellendaten. Ich erstelle für jede Variable ein eigenes Modell.

Zwei der Variablen, die ich modellieren muss, sind Wellen- und Windrichtung. Die Werte sind in Grad (0-360 °) angegeben. Ist es möglich, diese Art von Daten zu modellieren, bei denen das Werteintervall kreisförmig ist? Wenn nicht, welche Modellklasse eignet sich am besten für diese Art von Daten?

krsnik93
quelle
Ich verstehe nicht warum nicht. Vielleicht kann ich Ihre tatsächlichen Daten besser sehen, wenn Sie sie veröffentlichen. Der Begriff "Werteintervall" ist für mich etwas vage.
IrishStat
8
Haben Sie darüber nachgedacht, kartesische Koordinaten (das heißt Kosinus und Sinus des Winkels) für die Richtungen zu verwenden?
whuber
Die Daten reichen von 0 bis 359 ° 59'59 '' (umgerechnet in Float) ... Wenn ich Werteintervall sage, meine ich den Bereich der möglichen Werte, er ist kontinuierlich, aber auch kreisförmig ... Zum Beispiel, wenn ich und vorhersage Die Werte nähern sich 360, das Konfidenzintervall geht weit über 360 ... Das Modell erkennt nicht, dass das Intervall kreisförmig sein sollte, so dass 359 ° 59'59 '' der maximal mögliche Wert und der nächste Wert 0 ist Nochmals ... Haben Sie noch keine kartesischen Koordinaten ausprobiert, für die dann ein VAR-Modell erforderlich wäre (2 Reihen, eine für den Kosinus und eine andere für den Sinuswert)?
krsnik93
1
Haben Sie weitere Einzelheiten zu dem, was Sie durch die Modellierung verstehen möchten? Zusätzliche Informationen über den Grund / Zweck wären gut. Ich könnte mir vorstellen, dass die Modellierung der Richtungsänderung einfacher ist (z. B. kann eine Änderung der Gradzahl zu einem zyklischen oder sinusförmigen Modell führen). Ihre Fragen scheinen darauf hinzudeuten, ob das Modell gut genug ist - das hängt von Ihrer technischen Erfahrung und Passform ab?
MarkR
1
Es gibt einige Artikel zu diesem Thema, im
Moment schaue

Antworten:

1

Ist die von Mises-Verteilung ein gutes Modell für die Windrichtung? Es unterstützt über 0 bis 2 \ pi (oder -pi bis + pi) https://www.statisticshowto.datasciencecentral.com/von-mises-distribution/

In diesem Fall gibt es Beispiele ( https://iris.unipa.it/retrieve/handle/10447/94147/118553/basile_et_al_icrera_2013.pdf ), die eine von Mises-Verteilung mit einer Zeitreihe verwenden. Es ist eher mit einem Hidden Markov-Modell als mit ARIMA verbunden, aber ich denke, das Wichtigste ist die von Mises (Tikhonov) -Distribution?

Paul Hewson
quelle