寻找旨在转换时间序列的代数

数据挖掘 机器学习 算法 时间序列
2021-10-03 23:14:57

我正在寻找有关可用于转换时间序列的(正式)代数系统的信息 - 无论是在实际还是学术环境中。

我希望存在(至少一个)小的、富有表现力的一组运算符——跨越(有限的)时间序列。我想比较和对比不同系统的代数完整性和表示的简洁性,以及各个领域中常见的时间序列变换。

我意识到这个问题很广泛 - 但希望它对于 datascience.stackexchange 来说不是太模糊。我欢迎任何指向特定场景或一般主题的相关文献的指针。

编辑...(尝试更好地解释我所说的代数系统的意思...)

我正在考虑维基百科中讨论的“抽象代数”:

http://en.wikipedia.org/wiki/Algebra#Abstract_algebra http://en.wikipedia.org/wiki/Abstract_algebra#Basic_concepts

布尔代数是(非常简单的)布尔值范围内的代数。这种代数的一个简单示例将包括值 True 和 False 以及操作 AND、OR 和 NOT。有人可能会争辩说这个代数是“完整的”,因为从这两个常数(自由变量)和三个基本运算中,可以构造/描述任意布尔函数。

我有兴趣发现值是(时域)时间序列的代数。我希望可以构建“任意”函数,将时间序列映射到时间序列,从几个单独的操作将时间序列映射到时间序列。我对“任意”的自由解释持开放态度。我会对这些代数的例子特别感兴趣,其中操作包含“高阶函数”——这些操作是为特定领域开发的。

2个回答

看起来你想多了,有点陷入自己的脑海。

我们可以将一组受限的时间序列定义为表现良好(非渐近)和单值的时间序列。这些时间序列然后形成具有加法、乘法、交换和结合属性的时间序列代数。有一个单位元素(值为 1 的直线)和一个零元素(值为 0 的直线)。对于所有不超过零的时间序列,我们甚至有一个定义明确的逆成员。我相信这甚至形成了一个阿贝尔群。

此外,以前的海报是正确的,该组可以由多项式和傅立叶空间等各种正交向量空间完美表示。无论我们谈论的是拉格朗日多项式、傅里叶级数还是高斯-洛巴托-勒让德多项式,这都是正确的。

那么问题就变成了……这对你有什么好处?您接受了使用傅立叶级数的建议,因为您不想留在频率空间中,但这完全没有必要。例如,您可以将傅里叶变换到频率空间,应用高频滤波器,然后再变换回时域。这在消除噪声方面非常有效(尽管带通滤波器往往效果更好)。

稍微退后一步,您似乎真的会问:给定典型的时间序列和典型的时间序列操作(平滑、去调味、去趋势等),时间序列和它们的典型操作是否构成一个组有明确定义的代数?答案是,是的。所有这些操作只涉及找到其他时间序列,这些时间序列可以与原始时间序列相加、相减、相乘或相除,以便产生更易于物理处理(可解释)的表示。

最直接和最明显的转换是从时域到频域可能的方法包括傅里叶变换小波变换变换后,信号由频域元素的函数表示,可以使用普通代数对其进行运算。

也可以将时间序列建模为状态空间中动态系统的轨迹(参见: http: //onlinelibrary.wiley.com/doi/10.1111/j.1467-9892.1980.tb00300.x/abstracthttp ://www3.stat.sinica.edu.tw/statistica/oldpdf/A2n16.pdf)。动态系统可以在课程粒度级别进行符号建模(参见:http ://en.wikipedia.org/wiki/Symbolic_dynamics和http://www.math.washington.edu/SymbolicDynamics/) 符号动力学利用线性代数.