Próbuję wykryć anomalne wartości w szeregu czasowym danych klimatycznych z pewnymi brakującymi obserwacjami. Przeszukując sieć znalazłem wiele dostępnych podejść. Spośród nich rozkład stl wydaje się atrakcyjny w sensie usunięcia trendów i składników sezonowych i przestudiowania reszty. Czytając STL: sezonowy-Trend rozkładu procedury opartej na Lessów , stlwydaje się być elastyczni w ustalaniu ustawień przypisując zmienności wpływu odstających i możliwych do zastosowania pomimo brakujących wartości. Jednak starając się to zastosować R, z czterema latami obserwacji i zdefiniowaniem wszystkich parametrów zgodnie z http://stat.ethz.ch/R-manual/R-pched/library/stats/html/stl.html , napotykam błąd:
"time series contains internal NAs"(kiedy na.action=na.omit) i
"series is not periodic or has less than two periods"(kiedy na.action=na.exclude).
Dokładnie sprawdziłem, czy częstotliwość jest poprawnie zdefiniowana. Widziałem odpowiednie pytania na blogach, ale nie znalazłem żadnych sugestii, które mogłyby to rozwiązać. Czy nie można zastosować stlw szeregu z brakującymi wartościami? Bardzo niechętnie je interpoluję, ponieważ nie chcę wprowadzać (a tym samym wykrywać ...) artefaktów. Z tego samego powodu nie wiem, jak wskazane byłoby użycie metod ARIMA zamiast tego (a jeśli brakujące wartości nadal byłyby problemem).
Proszę podzielić się, jeśli znasz sposób na zastosowanie stlw serii z brakującymi wartościami lub jeśli uważasz, że moje wybory nie są metodologicznie uzasadnione, lub jeśli masz lepszą sugestię. Jestem całkiem nowy w tej dziedzinie i przytłoczony przez stosy (pozornie ...) istotnych informacji.