1
具有许多零值的时间序列分析
这个问题实际上是关于火灾探测的，但是它与某些放射性衰变探测问题非常相似。观察到的现象既是零星的，也是高度可变的；因此，时间序列将由被可变值中断的零个长字符串组成。 目的不仅是捕获事件（零中断），而且是事件本身的定量表征。但是，传感器受到限制，因此即使“真实性”为非零，有时也会记录为零。因此，比较传感器时必须包括零。 传感器B可能比传感器A更为敏感，我希望能够从统计角度进行描述。对于此分析，我没有“真相”，但是我有一个独立于传感器A＆B的传感器C。因此，我的期望是A / B与C之间更好的协议表示与“真相”的更好协议。（这似乎有些不稳定，但您必须相信我-根据其他有关传感器的研究，我在这里站稳了脚跟）。 因此，问题在于如何量化“时间序列的更好一致性”。相关性是显而易见的选择，但是会受到所有这些零（不能遗漏）的影响，当然也会受到最大值的不成比例的影响。也可以计算RMSE，但在接近零的情况下，RMSE的权重将强于传感器的行为。 问题1：将对数缩放应用于非零值然后在时序分析中与零组合的最佳方法是什么？ 问题2：对于这种类型的时间序列分析，您可以推荐哪些“最佳实践”，其中非零值的行为是重点，但是零值占主导地位并且不能被排除？