为构建 RNN 准备时间序列数据
Preparing time series data for building an RNN
我正在准备时间序列数据以构建 RNN 模型 (LSTM)。数据是从安装在机械设备中的传感器收集的。假设我有压缩机输入和输出温度的数据以及时间戳。
像这样记录了大约 20 个参数的数据及其时间戳。问题是收集数据的时间戳不同。
那么我如何理想地匹配时间戳以创建具有所有参数和单个时间戳的单个数据帧？
由于 RNN 对时间增量一无所知，而只知道时间 步数，因此您需要量化/插值您的数据。
- 找到你所有系列中的最小时间增量
Δt
- 将所有 20 个系列重新采样到
Δt/2* 或更小 (Nyquist-Theorem)
* 其实你需要做一个傅里叶变换，然后使用两倍的截止频率作为采样率。 Δt/2 恕我直言可能是一个很好的近似值。
我正在准备时间序列数据以构建 RNN 模型 (LSTM)。数据是从安装在机械设备中的传感器收集的。假设我有压缩机输入和输出温度的数据以及时间戳。
像这样记录了大约 20 个参数的数据及其时间戳。问题是收集数据的时间戳不同。
那么我如何理想地匹配时间戳以创建具有所有参数和单个时间戳的单个数据帧？
由于 RNN 对时间增量一无所知，而只知道时间 步数，因此您需要量化/插值您的数据。
- 找到你所有系列中的最小时间增量
Δt - 将所有 20 个系列重新采样到
Δt/2* 或更小 (Nyquist-Theorem)
* 其实你需要做一个傅里叶变换，然后使用两倍的截止频率作为采样率。 Δt/2 恕我直言可能是一个很好的近似值。