R:有效地定位与输入段具有最大互相关性的时间序列段？

Question

我有一个大约 200,000 行的长数字时间序列数据(我们称之为 Z )。

在一个循环中，我子集 x (大约 30)个来自 的连续行Z 一次并将它们视为查询点 q .

我想在 内定位Z 是 (~300) 最相关的时间序列长度片段 x (与 q 最相关)。

什么是实现这一目标的有效方法？

Answer 1

下面的代码在我不太强大的 Windows 笔记本电脑上找到您正在寻找的 300 个片段并在 8 秒内运行，因此它应该足够快以满足您的目的。

首先，它构造一个 30×199971 矩阵 ( Zmat )，其列包含您要检查的所有长度为 30 的“时间序列段”。调用cor() , 对向量 q 进行操作和矩阵Zmat ，然后计算所有所需的相关系数。最后，检查结果向量以识别具有最高相关系数的 300 个序列。

# Simulate data
nZ <- 200000
nq <- 30
Z <- rnorm(nZ)
q <- seq_len(nq)

# From Z, construct a 30 by 199971 matrix, in which each column is a
# "time series segment". Column 1 contains observations 1:30, column 2
# contains observations 2:31, and so on through the end of the series.
Zmat <- sapply(seq_len(nZ - nq + 1),  
               FUN = function(X) Z[seq(from = X, length.out = nq)])

# Calculate the correlation of q with every column/"time series segment.
Cors <- cor(q, Zmat)

# Extract the starting position of the 300 most highly correlated segments    
ids <- order(Cors, decreasing=TRUE)[1:300]

# Maybe try something like the following to confirm that you have
# selected the most highly correlated segments.
hist(Cors, breaks=100)
hist(Cors[ids], col="red", add=TRUE)