所以我想构造一个不同权重的移动时间平均值，用于不同的月份。参见analysis/filtering-data.html中的filter函数，其中b=每个月中的天数，a=一年中的天数。
然而，问题是，时间序列是每个月的一系列温度(我想为每一组可能的年份建立一个年平均温度，例如，每年从3月到2月)。使用这种方法，每个窗口的第一个月将加权为31/365，而不论第一个月是1月还是6月。
在这种情况下，标准过滤算法将无法工作。还有别的选择吗？
结合闰年的解决方案也不错，但对于初始解决方案来说并不是必要的。
回答 1
Stack Overflow用户
回答已采纳
发布于 2013-08-18 14:38:18
加权平均值定义为sum(x .* weights) / sum(weights)。如果您想以一种移动平均的方式计算这个值，我想您可以这样做(未经测试)：
moving_sum = @(n, x) filter(ones(1,n), 1, x);
moving_weighted_avg = moving_sum(12, temperature .* days_per_month) ...
./ moving_sum(12, days_per_month);如果temperature是一个月温度向量，而days_per_month包含相应月份的实际天数，那么在闰年情况下，这甚至是可行的。
编辑回复评论
您可以这样重构days_per_month：
start_year = 2003;
start_month = 10;
nmonth = 130;
month_offset = 0:nmonth - 1;
month = mod(start_month + month_offset - 1, 12) + 1;
year = start_year + floor((start_month + month_offset - 1) / 12);
days_in_month = eomday(year, month);
disp([month_offset; year; month; days_in_month]') %print table to check页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/18302678
复制相关文章
点击加载更多
腾讯云开发者
