假设我有一个时间序列 x
,具有特定的时间测量值。我还有一个不确定性度量 sx
(比如 x
在特定时间间隔的标准差)。我基本上只是想填补时间序列的空白,但我想传播测量不确定性,并希望传播插值不确定性。过去,我使用 Tikhonov 正则化来实现这一点(即添加平滑约束),但我宁愿只使用 scipy 中的开箱即用例程。我可以看到 scipy 样条插值例程采用平滑参数(此处为 sx
导出),但它不计算插值序列的不确定性。
我问是因为我不认为这是一个微不足道的计算,并且想看看是否有人知道此功能是否可用。
最佳答案
我不确定您所说的“传播测量不确定性,并希望传播插值不确定性”是什么意思,但如果我理解正确的话,您会有一个嘈杂的测量结果和有关不确定性的附加信息。如果噪音是白噪音,或者可以被白化,那么你可以使用 Kalman filter平滑常规测量并估计间隙中的测量值。
卡尔曼滤波器使用状态模型来预测 future 的测量值,并使用协方差矩阵为信号的白噪声分量建模。不确定性度量可用于修改滤波器在预测和测量之间的“信任”权重。您可以使用协方差矩阵来确定临时不确定性度量。
关于python - 插值和估计不确定性,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19639311/