Спектральная обработка

Часто ряды данных содержат быстрые случайные изменения значений, которые можно рассматривать как шум. Он мешает выполнить анализ данных, делает неустойчивой работу алгоритмов, не позволяет обнаруживать в данных скрытые закономерности, структуры, тенденции.

Спектральная обработка предназначена для очистки от шумовой составляющей и сглаживания рядов данных. Сглаживание необходимо в том случае, когда ряд данных оказывается неравномерным, содержит большое количество мелких структур, препятствующих исследованию более значительных объектов и закономерностей.

Для этих целей в узле используются два подхода: преобразование Фурье и вейвлеты. Принцип подобной обработки состоит в разложении исходной функции временного ряда на базисные функции с определенной частотой и амплитудой, после чего уменьшается амплитуда высокочастотных составляющих.

Для временного ряда, например, это означает убрать информацию об ежедневных продажах, которые сильно подвержены случайным факторам, и оставить более устойчивые тенденции, например, сезонность. Можно, наоборот, подавить составляющие с низкой частотой, что позволит убрать медленные изменения, а оставить только быстрые. В случае временного ряда это будет означать подавление сезонной компоненты.

Спектральная обработка наиболее часто применяется для предварительной подготовки данных в задачах прогнозирования, т.к. позволяет сделать временной ряд более гладким, благодаря чему полученная прогнозная модель обладает высокими обобщающими качествами.