時間序列
使用經驗模式分解進行分析時更新數據的最佳方法是什麼
我有一個關於 EMD 更新新數據點的問題。對於整個時間序列，從開始到結束，EMD 使用三次樣條函式表現得非常好。
當輸入新數據點時會出現問題，然後在重新計算 EMD（包括新數據）後，輸出 IMF 的數量發生了變化（更新前後的 IMF 數據系列都略有變化）。
我懷疑三次樣條函式沒有記憶。避免此問題的最佳方法是什麼，並且計算 EMD 並保持舊結果不變。
最好的！
抱歉，如果這不是一個明確的答案，但想分享我在這個話題上的經驗。
在閱讀了多篇關於金融時間序列的超前預測論文之後，我在過去 2 年一直在研究 EMD。我一直有興趣分別使用每個 IMF 來使用相關向量機和 NN 對它們進行回歸。我使用過 NI-EMD、EEMD、Statistical-EMD（R 包）、CEEMDAN、NLMS-EMD 和其他一些。我用不同的方法實現了不同的版本，以避免模式混合和推斷端點問題。IMF 不僅在重新粉刷（沒有記憶）。同樣由於樣條曲線，所有要外推的人工製品都阻止了任何提前預測，因為我們正在假設最後幾個數據投影的方向。我什至讓一位研究人員為我進行 EMD 編碼這個最新的實現 Derivative-optimized-EMD，但它在一步預測中嚴重失敗。
faculty.nps.edu/pcchu/web_paper/jcam/demd.pdf
我曾與 Flandrin 等研究人員進行過交談，有人告訴我 EMD 適合去噪，但對於未來對 IMF 的預測非常不穩定，因為模式會重新繪製並且端點總是不正確的。
希望這有幫助。