Tengo una gran colección de series de tiempo: mediciones tomadas cada 15 minutos (96 mediciones en un día) en el transcurso de 1 año en diferentes lugares.
He dividido cada serie de tiempo en 365 series de tiempo más pequeñas, 1 para cada día del año. Mirando estas series de tiempo, ciertamente hay muchas formas distintas para un solo día. Algunos parecen sinusoidales, algunos son constantes, algunos parecen un proceso estocástico aleatorio, algunos parecen parabólicos y otros parecen U's.
Lo que me gustaría hacer es usar un algoritmo que pueda encontrar estas formas comunes. Pensé en la agrupación y en el uso de los centroides del grupo para definir formas comunes, pero quería verificar con la comunidad si esto es correcto. Hasta ahora, he visto Dynamic Time Warp como una métrica, pero parece que esa métrica requiere muchos cálculos. También he encontrado
http://mox.polimi.it/it/progetti/pubblicazioni/quaderni/13-2008.pdf de SE.
También vi ¿Es posible hacer agrupaciones de series de tiempo basadas en la forma de la curva? pero esta pregunta era de 2010 y podría estar desactualizada.
Otra idea que tuve fue tomar descomposiciones propias de matrices formateadas como:
Matriz es una matriz de todas las series de tiempo observadas en el día . Cada fila de matrizes una serie temporal de longitud 96. Entonces, haría 365 descomposiciones propias y usaría los vectores propios como formas comunes. ¿Suena esto razonable?
¡Gracias!