如何查看过去数据的相似形状趋势？除了动态时间环绕之外还有其他选择吗？

Question

例如，假设我们每 5 秒就有来自传感器的实时数据，同时我们去年一整年都在收集这些数据。现在，我们今天从下午 5:00 到下午 5:10 出现了峰值。我们也想在过去的数据中搜索相似形状（幅度和形状）的尖峰。

我们尝试使用 DTW（动态时间环绕），但对于 5 秒频率数据，需要花费大量时间。如果有人可以帮忙请告诉我。

Answer 1

我建议使用指数阻尼移动平均线创建“指纹”，以限制要比较的候选者数量，然后像现在一样进行比较。

指数阻尼移动平均线由

avg[n] = a*value[n] + (1-a)*avg[n-1]

计算，其中

a

是常数。如果

t

是样本之间的时间，则这大致是一个平均值，表明趋势在时间

t/a

的位置。如果您曾经通过

uptime

计算看到过 Unix 负载平均值，这就是它们的计算方式。

因此计算 3 个平均值。如果用

a

中的

{1/12, 1/24, 1/60}

来计算，那么它们基本上就是1分钟、2分钟、5分钟移动平均线。这些数字的组合是 3 维空间中的一个点，代表一个“指纹”。您可以将其扔进k/d 树。现在，当您看到峰值时，请在树中查找与此峰值接近的过去指纹，然后对过去的峰值进行更广泛的比较。

您需要用实际数据进行实验才能回答以下问题：

• 我们想要保留多少个平均值？
• 它们应该是什么？
• 多近才算足够近？
• 我们是否应该过滤我们在树中粘贴的指纹，以减少过去单个峰值中的许多相似候选者？

但是仅从合理的候选人开始应该会取得良好的性能胜利。