自我总结

总的框架

. EMD，（Empirical Mode Decomposition)，经验模态分解，美国工程院士黄锷博士于1998年提出的一种信号分析方法。 是一种自适应的数据处理或挖掘方法，非常适合非线性，非平稳时间序列的处理（数据本是按照15min分隔，何为非平稳时间），本质上是对数据序列或信号的平稳化处理（平稳的时间序列指的是：遥想未来所能获得的样本时间序列，我们能断定其均值、方差、协方差必定与眼下已获得的样本时间序列等同。（地铁客流量本来就是每天周而复始，波动不大，难道不属于平稳的时间序列么？）形象地理解，平稳性就是要求经由样本时间序列所得到的拟合曲线在未来的一段时间内仍能顺着现有的形态“惯性”地延续下去；如果数据非平稳，则说明样本拟合曲线的形态不具有“惯性”延续的特点，也就是基于未来将要获得的样本时间序列所拟合出来的曲线将迥异于当前的样本拟合曲线。，平稳序列消灭小概率事件那和一般意义上的数据打乱有什么相似不同？）

三次样条插值包络法实现效果

方案三：空间特征提取（数据降维）+二维EMD+LSTM
数据降维实现————matlab有专门的库函数进行处理

Python实现EMD https://blog.csdn.net/qinlan1994/article/details/82288546