我正在进行一些建模工作,试图对随季节和时间变化的影响进行参数化。每天的时间效应在不同季节中以复杂的方式不同,因此似乎最通用的方法是在周期性 [时间,年份] 空间中建模效应。
所描述的效应与实际预测量和预测数量具有非线性关系,因此我需要一个显式的参数化,可以使用非线性优化进行调整。
因此,最明显的选择是二维傅里叶基础。有人可以推荐一个用于生成这个的 R 包吗?我发现 fda 包有“create.fourier.basis”函数,但这似乎只适用于一维。
除了傅里叶方法外,我所拥有的数据采样在 [时间,年份] 平面上高度不规则,因此最理想的方法是使用周期性三次样条,其中我可以在数据丰富的部分放置更多的节点。有人知道创建这种表示的二维基础的 R 包吗?
所描述的效应与实际预测量和预测数量具有非线性关系,因此我需要一个显式的参数化,可以使用非线性优化进行调整。
因此,最明显的选择是二维傅里叶基础。有人可以推荐一个用于生成这个的 R 包吗?我发现 fda 包有“create.fourier.basis”函数,但这似乎只适用于一维。
除了傅里叶方法外,我所拥有的数据采样在 [时间,年份] 平面上高度不规则,因此最理想的方法是使用周期性三次样条,其中我可以在数据丰富的部分放置更多的节点。有人知道创建这种表示的二维基础的 R 包吗?