内插高频时间序列

Question

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，但是丢失数据的间隔很大，如您所见：

我尝试使用na.interp软件包中的函数forecast，但结果不好（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：

有关我要捕获的模式的更多信息，特别是行data。该子样本属于May。

Answer 1

您可能想尝试**imputeTS**软件包。这是一个R包，专门用于时间序列缺失值的估算。

这里的na.seadec()，na.seasplit()，na.kalman()方法可能很有趣

还有更多算法选项-您可以在Paper中找到有关程序包的列表。

在这种情况下，我会尝试：

na.seasplit(yourData)

或

na.kalman(yourData)

或

na.seadec(yourData)

请注意，可能是您需要按时间序列正确提供季节性信息。 （您必须创建一个时间序列（ts对象并设置frequency参数）

仍然可能根本无法解决问题，您必须尝试一下。 （如果您可以提供数据，我也会尝试一下）