什么是周期性分析？

周期性分析是指挖掘周期性模式，即在与时间相关的序列数据中寻找重复出现的模式。周期性分析可用于多个重要领域。例如，季节、潮汐、行星轨迹、每日电力消耗、每日交通模式和每周电视节目都呈现出一定的周期性模式。

周期性分析是在时间序列数据上实现的，时间序列数据包括通常以相等时间间隔（例如，每小时、每天、每周）测量的值或事件序列。它也可以应用于其他与时间相关的序列数据，其中值或事件可能发生在不相等的时间间隔或任何时间（例如，在线交易）。此外，要分析的元素可以是数值数据，包括每日温度或电力消耗波动，也可以是分类记录（事件），包括购买产品或观看比赛。

从几个角度可以考虑挖掘周期性模式的问题。这取决于模式的覆盖范围，它可以将周期性模式分类为完全周期性模式与部分周期性模式：

**完全周期性模式**是指时间序列中每个时间点都（精确地或近似地）对与时间相关的序列的循环行为做出贡献的模式。例如，一年中的所有日子都大致对一年的季节性循环做出贡献。

**部分周期性模式**指定与时间相关的序列在某些时间点而不是所有时间点的周期性行为。例如，Sandy每天早上7:00到7:30阅读《纽约时报》，但在其他时间的活动并没有太多规律性。部分周期性比完全周期性是一种更宽松的周期性形式，并且在现实世界中更常见。

基于周期性的精确度，模式可以是同步的或异步的，前者要求事件在每个“稳定”周期中以相对固定的偏移量发生，例如每天下午3点，而后者允许事件在一个不太确定的周期内波动。

根据数据值或周期内的偏移量，模式也可以是精确的或近似的。例如，如果Sandy在多天在7:00阅读报纸，但在其他时间在7:10或7:15阅读，这也是一个合适的周期性模式。

更新于：2021年11月25日

3K+ 次浏览

启动你的职业生涯

通过完成课程获得认证

开始学习
广告