많은 시계열의 기능을 요약하는 방법이 있습니까?

Question

사실 많은 하위 영역 (내 경우 픽셀)으로 구성된 매우 큰 영역에 대한 시계열의 특성을 감지하려고합니다. 나는 이것에 관해 많이 알지 못한다. 그래서 내가 평균 할 수있는 유일한 방법은 전체 지역에 대한 평균 시계열이다.

시간 계열 모음의 일반적인 기능을 감지 할 수있는 널리 사용되는 기술이 있는지 궁금합니다. 패턴 인식 또는 시계열 분류?

모든 아이디어/제안 사항을 보내 주시면 감사하겠습니다.

감사합니다.

몇 가지 추가 설명 : 나는 7 일의 시간 간격으로 몇 년 동안 원격 감지 이미지를 다루고 있습니다. 그래서 각각의 픽셀에 대해 서로 다른 시간대에이 픽셀에서 값을 추출하여 연관된 시계열이 있습니다. 그래서 많은 픽셀로 구성된 영역을 정의하면 모든 또는 대부분의 픽셀을 특징 짓는 몇 가지 일반적인 특징을 감지하거나 추출 할 수있는 방법이 있습니까? 이 영역 내의 일련의 픽셀? 시계열의 모양이나 값이 명백하게 증가한 날짜 등?

Answer 1

픽셀에 대한 상관 행렬을 계산할 수 있습니다. 이것은 단순히 것 : 당신이 더 많은 정보를 원하는 경우

corr = np.zeros((npix,npix)) 
for i in range(npix): 
    for j in range(npix): 
     corr(i,j) = sum(data(i,:)*data(j,:))/sqrt(sum(data(i,:)**2)*sum(data(j,:)**2)) 

, 당신은, 즉 시간의 함수로 이것을 계산할 수 블록으로 시간 시리즈를 분할 (분 말)하고 각각에 대한 상관 관계를 계산한다. 그런 다음 시간 경과에 따라 상관 관계가 어떻게 변하는 지 확인할 수 있습니다.

상관 관계가 많이 변경되면 픽셀의 교차 파워 스펙트럼에 더 관심이있을 수 있습니다. 이것은

cpow(i,j,:) = (fft(data(i,:))*conj(fft(data(j,:))) 

로 정의됩니다 이것은 다양한 시간 규모에 함께 변경하는 경향이 얼마나 많은 픽셀 i 및 j 당신을 말할 것이다. 예를 들어, 그들은 1 초 단위의 시간 단위로 한꺼번에 움직일 수 있지만, 서로 상관 관계가없는 10 초 단위의 변화도 있습니다.

모두 필요한 것이 무엇인지에 따라 다릅니다.