有人会有一个很好的算法来测量使用Swift(v3)增长时间序列数据的峰值吗?因此,在数据流入时检测峰值.

例如.一个smooth z-wave algorithm的Swift版本.该算法似乎是合适的.

我需要检测峰值,如下所示.数据包含正数和负数.输出应该是峰值的计数器,和/或该特定样本的真/假.

样本数据集(最后一个系列的摘要):

let samples = [0.01,-0.02,0.01,-0.01,0.00,0.10,0.31,-0.10,-0.73,-0.68,0.21,1.22,0.67,-0.59,-1.04,0.06,0.42,0.07,0.03,-0.18,0.11,-0.06,0.16,-0.89,0.18,1.31,0.66,-1.62,-0.16,0.19,-0.42,0.23,-0.05,0.27,0.15,-0.50,-1.18,1.30,0.93,-1.32,0.55,-0.03,-0.23,-0.04,0.12,0.35,-0.38,-1.11,1.46,0.61,-1.16,0.29,0.54,0.02,-0.75,-0.95,1.51,0.70,-0.30,-1.48,0.13,0.50,0.01]

更新:感谢Jean-Paul为initial Swift port.但不确定z-wave算法是否适用于此数据集. lag = 10,threshold = 3,influence = 0.2适用于最后一系列数据集,但我无法找到完整数据集的组合.

问题:如果没有包含大量滞后的第一个数据样本,我需要每个峰值一个信号,算法需要进一步的工作才能提高效率.

例如.完整数据集的结果,使用Python code,并且(例如)滞后= 5,阈值= 2.5,影响= 0.7缺少系列1和2的峰值,并且在静默期显示太多误报:

完整数据集(应该产生25个峰值):

let samples = [-1.38,-0.97,-1.20,-2.06,-2.26,-0.99,-0.47,-2.61,-0.88,-0.74,-1.12,-1.19,-0.72,-1.21,-1.41,-0.27,-0.43,-1.77,-2.75,-0.61,-1.53,-1.02,-1.14,-1.06,-0.78,-2.41,-1.55,-0.44,-2.02,-1.66,-0.93,-1.51,-0.86,-1.10,-0.84,-1.26,-2.59,-0.92,-1.31,-2.40,-0.56,-1.09,-0.90,-1.34,-0.08,-0.36,-1.89,-1.60,-0.55,-1.46,-0.96,-0.98,-1.07,-1.79,-1.78,-1.54,-1.25,-1.00,-0.46,-0.20,-0.15,-0.13,-0.11,-0.09,0.20,-0.31,-1.35,1.34,0.52,0.80,-0.91,0.53,0.60,-0.83,-1.87,-0.21,1.26,0.44,0.86,0.73,-2.05,1.04,0.72,0.63,-2.14,-0.48,0.77,0.58,-1.01,-1.28,0.09,-0.07,0.05,0.25,-0.69,-1.05,-0.54,0.46,1.12,1.05,0.68,0.39,-1.61,-0.14,0.22,0.14,0.04,-0.41,-0.94,-1.03,1.10,1.03,0.79,0.69,-0.34,-1.17,-0.22,0.37,0.47,-0.12,0.43,0.95,0.64,-0.85,0.38,0.32,0.97,0.45,-0.52,0.33,0.34,-0.24,-0.45,-1.13,-0.28,1.35,0.56,0.17,-1.38,-0.76,-0.62,0.78,1.36,1.07,0.59,0.75,-1.65,-3.16,0.24,1.44,1.50,0.84,0.40,-1.50,-2.71,-1.22,1.20,1.55,0.92,-2.34,-2.28,0.36,1.41,1.56,0.89,1.16,1.65,-1.52,-1.68,-0.39,0.49,0.08,0.28,-0.26,-1.08,1.18,0.71,0.65,-0.80,-1.30,-0.64,-0.58,-1.27,0.62,-0.35,-0.33,0.26,-0.32,0.30,0.88,1.40,1.14,0.48,0.51,1.37,-0.17,-0.87,1.42,0.98,-1.59,0.00]

因此,我不确定z波算法是否适用于此类数据集.

将流畅的z-score算法翻译成Swift

好吧,快点帮助你:这是Algo到Swift:Demo in Swift Sandbox的翻译

警告:我绝不是一个快速的程序员,因此可能会出现错误!

还要注意我已经关闭了负信号,因为OP的目的我们只想要正信号.

SWIFT代码:

import Glibc // or Darwin/ Foundation/ Cocoa/ UIKit (depending on OS)

// Function to calculate the arithmetic mean
func arithmeticmean(array: [Double]) -> Double {
    var total: Double = 0
    for number in array {
        total += number
    }
    return total / Double(array.count)
}

// Function to calculate the standard deviation
func standardDeviation(array: [Double]) -> Double
{
    let length = Double(array.count)
    let avg = array.reduce(0,{$0 + $1}) / length
    let sumOfSquaredAvgDiff = array.map { pow($0 - avg,2.0)}.reduce(0,{$0 + $1})
    return sqrt(sumOfSquaredAvgDiff / length)
}

// Function to extract some range from an array
func subArray<T>(array: [T],s: Int,e: Int) -> [T] {
    if e > array.count {
        return []
    }
    return Array(array[s..<min(e,array.count)])
}

// Smooth z-score thresholding filter
func Thresholdingalgo(y: [Double],lag: Int,threshold: Double,influence: Double) -> ([Int],[Double],[Double]) {

    // Create arrays
    var signals   = Array(repeating: 0,count: y.count)
    var filteredY = Array(repeating: 0.0,count: y.count)
    var avgFilter = Array(repeating: 0.0,count: y.count)
    var stdFilter = Array(repeating: 0.0,count: y.count)

    // Initialise variables
    for i in 0...lag-1 {
        signals[i] = 0
        filteredY[i] = y[i]
    }

    // Start filter
    avgFilter[lag-1] = arithmeticmean(array: subArray(array: y,s: 0,e: lag-1))
    stdFilter[lag-1] = standardDeviation(array: subArray(array: y,e: lag-1))

    for i in lag...y.count-1 {
        if abs(y[i] - avgFilter[i-1]) > threshold*stdFilter[i-1] {
            if y[i] > avgFilter[i-1] {
                signals[i] = 1      // Positive signal
            } else {
                // Negative signals are turned off for this application
                //signals[i] = -1       // Negative signal
            }
            filteredY[i] = influence*y[i] + (1-influence)*filteredY[i-1]
        } else {
            signals[i] = 0          // No signal
            filteredY[i] = y[i]
        }
        // Adjust the filters
        avgFilter[i] = arithmeticmean(array: subArray(array: filteredY,s: i-lag,e: i))
        stdFilter[i] = standardDeviation(array: subArray(array: filteredY,e: i))
    }

    return (signals,avgFilter,stdFilter)
}

// Demo
let samples = [0.01,0.01]

// Run filter
let (signals,stdFilter) = Thresholdingalgo(y: samples,lag: 10,threshold: 3,influence: 0.2)
// Print output to console
print("\nOutput: \n ")
for i in 0...signals.count - 1 {
    print("Data point \(i)\t\t sample: \(samples[i]) \t signal: \(signals[i])\n")
}

// Raw data for creating a plot in Excel
print("\n \n Raw data for creating a plot in Excel: \n ")
for i in 0...signals.count - 1 {
    print("\(i+1)\t\(samples[i])\t\(signals[i])\t\(avgFilter[i])\t\(stdFilter[i])\n")
}

对于样本数据的结果(对于滞后= 10,阈值= 3,影响= 0.2):

更新

您可以通过对平均值和标准差的滞后使用不同的值来提高算法的性能.例如.:

// Smooth z-score thresholding filter
func Thresholdingalgo(y: [Double],lagMean: Int,lagStd: Int,influenceMean: Double,influenceStd: Double) -> ([Int],count: y.count)
    var filteredYmean = Array(repeating: 0.0,count: y.count)
    var filteredYstd = Array(repeating: 0.0,count: y.count)

    // Initialise variables
    for i in 0...lagMean-1 {
        signals[i] = 0
        filteredYmean[i] = y[i]
        filteredYstd[i] = y[i]
    }

    // Start filter
    avgFilter[lagMean-1] = arithmeticmean(array: subArray(array: y,e: lagMean-1))
    stdFilter[lagStd-1] = standardDeviation(array: subArray(array: y,e: lagStd-1))

    for i in max(lagMean,lagStd)...y.count-1 {
        if abs(y[i] - avgFilter[i-1]) > threshold*stdFilter[i-1] {
            if y[i] > avgFilter[i-1] {
                signals[i] = 1      // Positive signal
            } else {
                signals[i] = -1       // Negative signal
            }
            filteredYmean[i] = influenceMean*y[i] + (1-influenceMean)*filteredYmean[i-1]
            filteredYstd[i] = influenceStd*y[i] + (1-influenceStd)*filteredYstd[i-1]
        } else {
            signals[i] = 0          // No signal
            filteredYmean[i] = y[i]
            filteredYstd[i] = y[i]
        }
        // Adjust the filters
        avgFilter[i] = arithmeticmean(array: subArray(array: filteredYmean,s: i-lagMean,e: i))
        stdFilter[i] = standardDeviation(array: subArray(array: filteredYstd,s: i-lagStd,stdFilter)
}

然后使用例如let(signals,stdFilter)= Thresholdingalgo(y:samples,lagMean:10,lagStd:100,threshold:2,influenceMean:0.5,influenceStd:0.1)可以给出更好的结果:

DEMO

使用Swift进行生长时间序列的峰值检测的更多相关文章

  1. 使用Swift进行生长时间序列的峰值检测

    有人会有一个很好的算法来测量使用Swift增长时间序列数据的峰值吗?还要注意我已经关闭了负信号,因为OP的目的我们只想要正信号.SWIFT代码:对于样本数据的结果:更新您可以通过对平均值和标准差的滞后使用不同的值来提高算法的性能.例如.:然后使用例如let=Thresholdingalgo可以给出更好的结果:DEMO

  2. 时间序列分析之ARIMA模型预测餐厅销量

    这篇文章主要介绍了时间序列分析之ARIMA模型预测餐厅销量,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,望不吝赐教

  3. PyTorch搭建LSTM实现时间序列负荷预测

    这篇文章主要为大家介绍了PyTorch搭建LSTM实现时间序列负荷预测,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

  4. pandas时间序列之如何将int转换成datetime格式

    这篇文章主要介绍了pandas时间序列之如何将int转换成datetime格式,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,望不吝赐教

  5. Python与AI分析时间序列数据

    预测给定输入序列中的下一个是机器学习中的另一个重要概念.本章为您提供有关分析时间序列数据的详细说明,有需要的朋友可以借鉴参考下,希望能够有所帮助

  6. 在电力智能测量数据应用中的分层时间序列预测正则化Regularization in Hierarchical Time Series Forecasting with Application to

    电力需求数据经常呈现分层结构。在预测合计电量需求问题上有大量的文献。一层中的不同的时间序列可能会以一种变化的复杂的方式互相影响。特殊来说,不同层的时间序列可能包含完全不同的模式。最简单的预测分层数据的方法就是把底层的单独的序列预测加起来。然而在高维误差协方差矩阵中高维的非惩罚回归和预估误差可能导致调整预测的不确定性的增加,从而预测表现变差。

  7. ajax – 在时间序列ZingChart中,在实时使用appendseriesvalues时,xValue导致问题

    我正在尝试使用ZingChart创建实时时间序列图.但我希望它是累积的,其中所有点在数据追加时累积.所以我在每个ajax轮询中使用“appendseriesvalues”来追加数据,并将数据作为JSON对象传递给对.我的代码如下:如果我使用此代码创建,它将键和值作为2个串联值.我想将其绘制为(键,值).请建议我做错了什么.提前致谢!

  8. jquery – Flot.时间序列.每天一蜱

    我正在尝试创建一个flot图,其中x轴是一个时间序列,每天有一个刻度.因此,例如,如果我显示11月的图表,我会在11月的每一天得到一个勾号.我的xaxis配置如下所示:–我想目前flot正试图自动扩展xaxis,所以我实际上每隔3天就得到一个滴答.提前致谢.解决方法将minTickSize更改为tickSize

随机推荐

  1. Swift UITextField,UITextView,UISegmentedControl,UISwitch

    下面我们通过一个demo来简单的实现下这些控件的功能.首先,我们拖将这几个控件拖到storyboard,并关联上相应的属性和动作.如图:关联上属性和动作后,看看实现的代码:

  2. swift UISlider,UIStepper

    我们用两个label来显示slider和stepper的值.再用张图片来显示改变stepper值的效果.首先,这三个控件需要全局变量声明如下然后,我们对所有的控件做个简单的布局:最后,当slider的值改变时,我们用一个label来显示值的变化,同样,用另一个label来显示stepper值的变化,并改变图片的大小:实现效果如下:

  3. preferredFontForTextStyle字体设置之更改

    即:

  4. Swift没有异常处理,遇到功能性错误怎么办?

    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。如发现本站有涉嫌侵权/违法违规的内容,请发送邮件至dio@foxmail.com举报,一经查实,本站将立刻删除。

  5. 字典实战和UIKit初探

    ios中数组和字典的应用Applicationschedule类别子项类别名称优先级数据包contactsentertainment接触UIKit学习用Swift调用CocoaTouchimportUIKitletcolors=[]varbackView=UIView(frame:CGRectMake(0.0,0.0,320.0,CGFloat(colors.count*50)))backView

  6. swift语言IOS8开发战记21 Core Data2

    上一话中我们简单地介绍了一些coredata的基本知识,这一话我们通过编程来实现coredata的使用。还记得我们在coredata中定义的那个Model么,上面这段代码会加载这个Model。定义完方法之后,我们对coredata的准备都已经完成了。最后强调一点,coredata并不是数据库,它只是一个框架,协助我们进行数据库操作,它并不关心我们把数据存到哪里。

  7. swift语言IOS8开发战记22 Core Data3

    上一话我们定义了与coredata有关的变量和方法,做足了准备工作,这一话我们来试试能不能成功。首先打开上一话中生成的Info类,在其中引用头文件的地方添加一个@objc,不然后面会报错,我也不知道为什么。

  8. swift实战小程序1天气预报

    在有一定swift基础的情况下,让我们来做一些小程序练练手,今天来试试做一个简单地天气预报。然后在btnpressed方法中依旧增加loadWeather方法.在loadWeather方法中加上信息的显示语句:运行一下看看效果,如图:虽然显示出来了,但是我们的text是可编辑状态的,在storyboard中勾选Editable,再次运行:大功告成,而且现在每次单击按钮,就会重新请求天气情况,大家也来试试吧。

  9. 【iOS学习01】swift ? and !  的学习

    如果不初始化就会报错。

  10. swift语言IOS8开发战记23 Core Data4

    接着我们需要把我们的Rest类变成一个被coredata管理的类,点开Rest类,作如下修改:关键字@NSManaged的作用是与实体中对应的属性通信,BinaryData对应的类型是NSData,CoreData没有布尔属性,只能用0和1来区分。进行如下操作,输入类名:建立好之后因为我们之前写的代码有些地方并不适用于coredata,所以编译器会报错,现在来一一解决。

返回
顶部