python时间序列EMD分解预测

2024-02-29 23:18

本文主要是介绍python时间序列EMD分解预测,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

经验模态分解
经验模态分解的python实现

安装包

pyhht

github地址

pip install pyhht
from pyhht.emd import EMD
from pyhht.visualization import plot_imfs
emd = EMD(data.RUL[:10000])
imfs = emd.decompose()
PyEMD

github地址
注:作者将安装包名写错,安装后将文件名改为 PyEMD即可。

pip install EMD-signal

经验模态分解python初步实现

import math
import numpy as np 
import pylab as pl
import matplotlib.pyplot as plt
import scipy.signal as signal
from scipy import fftpack  
import scipy.signal as signal
from scipy import interpolate#判定当前的时间序列是否是单调序列
def ismonotonic(x):max_peaks=signal.argrelextrema(x,np.greater)[0]min_peaks=signal.argrelextrema(x,np.less)[0]all_num=len(max_peaks)+len(min_peaks)if all_num>0:return Falseelse:return True#寻找当前时间序列的极值点
def findpeaks(x):return signal.argrelextrema(x,np.greater)[0]#判断当前的序列是否为 IMF 序列
def isImf(x):N=np.size(x)pass_zero=np.sum(x[0:N-2]*x[1:N-1]<0)#过零点的个数peaks_num=np.size(findpeaks(x))+np.size(findpeaks(-x))#极值点的个数if abs(pass_zero-peaks_num)>1:return Falseelse:return True#获取当前样条曲线
def getspline(x):N=np.size(x)peaks=findpeaks(x)print '当前极值点个数:',len(peaks)if(len(peaks)<=3):if(len(peaks)<2):peaks=np.concatenate(([0],peaks))peaks=np.concatenate((peaks,[N-1]))#这里是为了防止样条次数不够,无法插值的情况t=interpolate.splrep(peaks,y=x[peaks], w=None, xb=None, xe=None,k=len(peaks)-1)return interpolate.splev(np.arange(N),t)t=interpolate.splrep(peaks,y=x[peaks])return interpolate.splev(np.arange(N),t)
#     f=interp1d(np.concatenate(([0,1],peaks,[N+1])),np.concatenate(([0,1],x[peaks],[0])),kind='cubic')
#     f=interp1d(peaks,x[peaks],kind='cubic')
#     return f(np.linspace(1,N,N))#经验模态分解方法
def emd(x):imf=[]while not ismonotonic(x):x1=xsd=np.infwhile sd>0.1 or  (not isImf(x1)):print isImf(x1)s1=getspline(x1)s2=-getspline(-1*x1)x2=x1-(s1+s2)/2sd=np.sum((x1-x2)**2)/np.sum(x1**2)x1=x2imf.append(x1)x=x-x1imf.append(x)return imf

改进算法

import math
import numpy as np 
import pylab as pl
import matplotlib.pyplot as plt
import scipy.signal as signal
from scipy import fftpack  
import scipy.signal as signal
from scipy import interpolate#判定当前的时间序列是否是单调序列
def ismonotonic(x):max_peaks=signal.argrelextrema(x,np.greater)[0]min_peaks=signal.argrelextrema(x,np.less)[0]all_num=len(max_peaks)+len(min_peaks)if all_num>0:return Falseelse:return True#寻找当前时间序列的极值点
def findpeaks(x):#     df_index=np.nonzero(np.diff((np.diff(x)>=0)+0)<0)#     u_data=np.nonzero((x[df_index[0]+1]>x[df_index[0]]))
#     df_index[0][u_data[0]]+=1#     return df_index[0]return signal.argrelextrema(x,np.greater)[0]#判断当前的序列是否为 IMF 序列
def isImf(x):N=np.size(x)pass_zero=np.sum(x[0:N-2]*x[1:N-1]<0)#过零点的个数peaks_num=np.size(findpeaks(x))+np.size(findpeaks(-x))#极值点的个数if abs(pass_zero-peaks_num)>1:return Falseelse:return True#获取当前样条曲线
def getspline(x):N=np.size(x)peaks=findpeaks(x)
#     print '当前极值点个数:',len(peaks)peaks=np.concatenate(([0],peaks))peaks=np.concatenate((peaks,[N-1]))if(len(peaks)<=3):
#         if(len(peaks)<2):
#             peaks=np.concatenate(([0],peaks))
#             peaks=np.concatenate((peaks,[N-1]))
#             t=interpolate.splrep(peaks,y=x[peaks], w=None, xb=None, xe=None,k=len(peaks)-1)
#             return interpolate.splev(np.arange(N),t)t=interpolate.splrep(peaks,y=x[peaks], w=None, xb=None, xe=None,k=len(peaks)-1)return interpolate.splev(np.arange(N),t)t=interpolate.splrep(peaks,y=x[peaks])return interpolate.splev(np.arange(N),t)
#     f=interp1d(np.concatenate(([0,1],peaks,[N+1])),np.concatenate(([0,1],x[peaks],[0])),kind='cubic')
#     f=interp1d(peaks,x[peaks],kind='cubic')
#     return f(np.linspace(1,N,N))#经验模态分解方法
def emd(x):imf=[]while not ismonotonic(x):x1=xsd=np.infwhile sd>0.1 or  (not isImf(x1)):
#             print isImf(x1)s1=getspline(x1)s2=-getspline(-1*x1)x2=x1-(s1+s2)/2sd=np.sum((x1-x2)**2)/np.sum(x1**2)x1=x2imf.append(x1)x=x-x1imf.append(x)return imf

这篇关于python时间序列EMD分解预测的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/760424

相关文章

Java获取当前时间String类型和Date类型方式

《Java获取当前时间String类型和Date类型方式》:本文主要介绍Java获取当前时间String类型和Date类型方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,... 目录Java获取当前时间String和Date类型String类型和Date类型输出结果总结Java获取

Python实现批量提取BLF文件时间戳

《Python实现批量提取BLF文件时间戳》BLF(BinaryLoggingFormat)作为Vector公司推出的CAN总线数据记录格式,被广泛用于存储车辆通信数据,本文将使用Python轻松提取... 目录一、为什么需要批量处理 BLF 文件二、核心代码解析:从文件遍历到数据导出1. 环境准备与依赖库

Python Web框架Flask、Streamlit、FastAPI示例详解

《PythonWeb框架Flask、Streamlit、FastAPI示例详解》本文对比分析了Flask、Streamlit和FastAPI三大PythonWeb框架:Flask轻量灵活适合传统应用... 目录概述Flask详解Flask简介安装和基础配置核心概念路由和视图模板系统数据库集成实际示例Stre

Python实现PDF按页分割的技术指南

《Python实现PDF按页分割的技术指南》PDF文件处理是日常工作中的常见需求,特别是当我们需要将大型PDF文档拆分为多个部分时,下面我们就来看看如何使用Python创建一个灵活的PDF分割工具吧... 目录需求分析技术方案工具选择安装依赖完整代码实现使用说明基本用法示例命令输出示例技术亮点实际应用场景扩

Python错误AttributeError: 'NoneType' object has no attribute问题的彻底解决方法

《Python错误AttributeError:NoneTypeobjecthasnoattribute问题的彻底解决方法》在Python项目开发和调试过程中,经常会碰到这样一个异常信息... 目录问题背景与概述错误解读:AttributeError: 'NoneType' object has no at

Python使用openpyxl读取Excel的操作详解

《Python使用openpyxl读取Excel的操作详解》本文介绍了使用Python的openpyxl库进行Excel文件的创建、读写、数据操作、工作簿与工作表管理,包括创建工作簿、加载工作簿、操作... 目录1 概述1.1 图示1.2 安装第三方库2 工作簿 workbook2.1 创建:Workboo

基于Python实现简易视频剪辑工具

《基于Python实现简易视频剪辑工具》这篇文章主要为大家详细介绍了如何用Python打造一个功能完备的简易视频剪辑工具,包括视频文件导入与格式转换,基础剪辑操作,音频处理等功能,感兴趣的小伙伴可以了... 目录一、技术选型与环境搭建二、核心功能模块实现1. 视频基础操作2. 音频处理3. 特效与转场三、高

Python实现中文文本处理与分析程序的示例详解

《Python实现中文文本处理与分析程序的示例详解》在当今信息爆炸的时代,文本数据的处理与分析成为了数据科学领域的重要课题,本文将使用Python开发一款基于Python的中文文本处理与分析程序,希望... 目录一、程序概述二、主要功能解析2.1 文件操作2.2 基础分析2.3 高级分析2.4 可视化2.5

一文解密Python进行监控进程的黑科技

《一文解密Python进行监控进程的黑科技》在计算机系统管理和应用性能优化中,监控进程的CPU、内存和IO使用率是非常重要的任务,下面我们就来讲讲如何Python写一个简单使用的监控进程的工具吧... 目录准备工作监控CPU使用率监控内存使用率监控IO使用率小工具代码整合在计算机系统管理和应用性能优化中,监

Python实现终端清屏的几种方式详解

《Python实现终端清屏的几种方式详解》在使用Python进行终端交互式编程时,我们经常需要清空当前终端屏幕的内容,本文为大家整理了几种常见的实现方法,有需要的小伙伴可以参考下... 目录方法一:使用 `os` 模块调用系统命令方法二:使用 `subprocess` 模块执行命令方法三:打印多个换行符模拟