插值高频时间序列

【问题标题】：Interpolate a high frequency time series插值高频时间序列
【发布时间】：2019-09-18 16:48:03
【问题描述】：

我有一个 2 年样本数据范围内的物理时间序列，频率为 30 分钟，但是如您所见，存在多个广泛的丢失数据间隔：

我尝试使用 forecast 包中的函数 na.interp，但结果不佳（如上所示）：

sapply(dataframeTS[2:10], na.interp)

我正在寻找一种更有用的方法。

更新：

这里是关于我想要捕获的模式的更多信息，具体是 data 行。此子样本属于 May。

【问题讨论】：

看起来底层模式有很多变化。您是否正在寻找“看起来真实”的插值？似乎有点像“增强！”电视节目中的功能。也许你可以做某种 FFT 滤波器来挑选信号的主要频率并将它们添加到线性插值？
有趣，您能否提供此方法的源代码/示例？（注意我更新了有关底层模式的更多信息）

【解决方案1】：

您可能想尝试**imputeTS** 包。这是一个专门用于时间序列缺失值插补的 R 包。

na_seadec()、na_seasplit()、na_kalman() 方法在这里可能很有趣

还有更多算法选项 - 您可以在此 Paper 中找到有关软件包的列表。

在这种特定情况下，我会尝试：

na_seasplit(yourData)

或

na_kalman(yourData)

或

na_seadec(yourData)

请注意，您可能需要使用时间序列正确提供季节性信息。（你必须创建一个时间序列（ts 对象）并设置frequency 参数）

仍然可能根本行不通，您将不得不尝试。（如果你能提供数据我也试试）

【讨论】：