时间戳

首页 > 解决方案 > 将 Haar 小波变换应用于时间序列数据

python - 将 Haar 小波变换应用于时间序列数据

问题描述

在将数据馈送到 RNN (LSTM) 之前，我正在尝试将 Haar 小波变换应用于股票市场数据以降低噪声。由于此数据是一维数据，因此我使用的是单级 DWT，如下所示：

import pywt
x = [3, 7, 1, 1, -2, 5, 4, 6, 1,11,34,44,66,888,33,455,10000,33]
cA, cD = pywt.dwt(x, 'haar')

我有以下问题：

  1. 使用单级 DWT，我的时间序列在 cA 和 cD 中已经减少了一半。我知道 cA 和 cD 的每个元素都与原始时间序列中的 2 个元素相关。这一切都很好，但是如何将输出数组映射到原始系列？
  2. 我们什么时候需要做多级分解？此外，随着级别的增加，输出数组变得更小，因此，我无法将这个“去噪”数据与原始时间序列进行映射。
  3. 在 cA 和 cD 之间，应该使用哪一个作为该变换的输出以馈入 RNN？

我已经阅读了很多关于小波变换价值的高级论文，但几乎没有一篇通过实际代码。因此，任何示例代码都将不胜感激。

此致，

阿德尔

标签： pythonwaveletnoise-reductiondwtpywavelets

解决方案

推荐阅读