시계열의 변화 감지

트래픽 데이터의 급격한 변화 (스파이크 / 이상 치가 아님)를 발견 한 애플리케이션 프로토 타입의 그림을 보았습니다.

나는 똑같이 할 수있는 프로그램 (자바, 선택적으로 R)을 작성하고 싶지만 통계 기술이 약간 녹슬 기 때문에이 주제를 다시 파헤쳐 야합니다.

그러므로 어떤 접근법 / 알고리즘을 사용해야합니까?

"구조적 중단"이 발생할 수있는 여러 가지 방법이 있습니다.

절편에 변화가 있거나 "시계의 후반 부분"에 추세에 변화가있는 경우 중재 탐지 (NB)를 수행하는 것이 더 적합 할 것입니다. 레벨 시프트 또는 트렌드의 변화 또는 계절 펄스의 시작으로). 그런 다음 중재 탐지는 제안 된 변수가 모델에 포함되는 중재 모델링의 사전 커서입니다. "자동 중재 감지"를 인터넷으로 검색하여 웹에서 정보를 찾을 수 있습니다. 일부 저자는 "OUTLIER DETECTION"이라는 용어를 사용하지만 많은 통계 언어와 같이 혼란스럽고 정확하지 않을 수 있습니다. 탐지 된 중재는 다음 중 하나 일 수 있습니다 (잔차 평균의 유의 한 변화 감지).

레벨 (즉, 펄스)의 1주기 변화 레벨 (즉, 인터셉트의 변화)의 다중 기간 연속 변화 (즉, 인터셉트의 변화)는 체계적인 펄스 (즉, 계절 펄스) 추세 변화 (즉, 1,2,3,4,5), 7,9,11,13,15 .....)이 절차는 R / SAS / Matlab에서 쉽게 프로그래밍 할 수 있으며 상업적으로 이용 가능한 여러 시계열 패키지에서 일상적으로 사용할 수 있지만주의해야 할 많은 함정이 있습니다 확률 적 구조를 먼저 감지할지 또는 원래 시리즈에서 중재 감지를 수행할지 여부와 같은 이것은 닭고기와 계란 문제와 같습니다. 이 분야의 초기 작업은 유형 1로 제한되었으므로 귀하의 예가 LEVEL SHIFTS를 설명하므로 귀하의 요구에 불충분 할 것입니다.

웹에는 많은 자료가 있으며 http://www.autobox.com/30day.exe 에는 무료 프로그램 이있어 30 일 동안 자신의 데이터를 사용할 수도 있습니다. Yogi가 말한 것처럼 "간단히보고"많은 것을 배우고 결과를 재현 할 수 있습니다.

정확한 방정식에 대한 웹 참조는 134 페이지 ( http://www.autobox.com/pdfs/autoboxusersguide.pdf) 에서 확인할 수 있습니다. 저는 AUTOBOX의 저자 중 한 사람입니다.

R에서 cpm 또는 changepoint 패키지를 사용해보십시오. 무료로 사용할 수 있습니다. 또한 변경점 모델 또는 순차적 변경 감지를 연구하십시오.