野兽:贝叶斯合奏变点检测算法和时间序列分解

野兽(贝叶斯估计量的突变、季节性和趋势)是一种快速、通用贝叶斯模型平均算法分解时间序列或1 d序列数据为单独的组件,如突然变化,趋势,和周期/季节性变化,如中描述赵et al。(2019)。野兽是有用的changepoint检测(例如,断点、结构性突变,政权转移,或异常),趋势分析,时间序列分解(例如,趋势和季节性),时间序列分割,打断了时间序列分析。看到一列选择研究使用野兽。

快速安装

野兽在C / c++ impemented但可以从R, Python和Matlab。运行下面的安装:

• Python:pip安装Rbeast
• Matlab:eval (webread (“http://b.link/rbeast”, weboptions(“证书”,“)))
• R朗:install.packages (“Rbeast”)

快速使用

一行程序代码Python, Matlab和r .检查或以下github.com/zhaokg/Rbeast为更多的细节。

# Python示例导入Rbeast rb;(尼罗河,年)= rb.load_example(“尼罗河”);o = rb.beast(尼罗河、季节= '没有');rb.plot (o) # Matlab示例加载(“尼罗河”);o =野兽(尼罗河,“季节”,“没有一个”);plotbeast (o) # R示例库(Rbeast);数据(尼罗河);o =野兽(尼罗河);情节(o)

安装R

在CRAN-TASK-VIEW Rbeast:(时间序列分析)(贝叶斯推理)(Environmetrics)

R包Rbeast上凹口。(在凹口,有另一个贝叶斯时序包命名为“野兽”,与野兽算法。我们的包装是Rbeast。同时,我们的包与著名的“贝叶斯抽样的进化分析树”aglorithm)。安装Rbeast在R中使用

install.packages (”Rbeast”)

运行和测试Rbeast R

Rbeast的主要功能野兽(Y,…),beast.irreg(Y, ...),beast123 (Y、元数据之前,获得额外的)。下面的代码片段基本用法提供了一个起点。

库(Rbeast)数据(尼罗河)#年河流尼罗河出=野兽(尼罗河,季节=”没有一个”)#“没有”:才没有seasonlaity数据打印(出)图(出)?Rbeast#看到更多的细节的使用“野兽”俄罗斯方块()#如果你敢浪费几分钟你的生活扫雷艇()#如果你敢浪费更多的生活的时刻

安装Matlab

安装的Matlab版本野兽自动到您选择的本地文件夹运行

beastPath=”C:\ b东\”eval(webread(”http://b.link/rbeast”))%% % % % % % % % % % % % % % % % % % % % % % % % % %注意自动设备% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %%1。写权限需要你选择的路径;变量名必须“beastPath”。%%2。如果webread证书错误,运行以下行:%eval(webread(”http://b.link/rbeast”,weboptions(”cert”,””)))%%3所示。如果自动安装失败,请手动下载所有文件(见打击)%%% % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % % %

以上会下载中的所有文件Rbeast \ Matlab在Github文件夹所选文件夹:如果beastPath丢失,一个默认的临时文件夹(例如,C:\Users\ user_name \ AppData \当地\ Temp \美元Rbeast Windows 10将使用)。如果自动脚本失败,请在Matlab文件从下载Github手动。这些文件包括一个Matlab的墨西哥人库编译C代码(例如,从古到今Rbeast.mexw64对于Windows,Rbeast.mexa64对于Linux,Rbeast.mexmaci64MacOS)和一些Matlab包装器函数(例如,beast.m,beast123.m)类似于R接口,以及一些测试数据集(例如,尼罗河。垫,co2.mat)。

我们生成了Matlab墨西哥人与Win10二进制图书馆在自己的机器上,Ubuntu 22.04和macOS高塞拉。如果他们不能在您的机器上,墨西哥人库可以被编译的C源代码文件Rbeast \源。如果需要,我们很乐意与你编译特定操作系统或机器。附加信息编译的C源代码也在下面。

运行和测试Rbeast Matlab

Matlab API是类似于r .下面是一个快速的例子:

帮助野兽帮助beast123负载(”Nile.mat”)%年度河流尼罗河startin从1871年出=野兽(尼罗河,”季节”,”没有一个”,”开始”,1871年)%才没有季节性数据printbeast(出)plotbeast(出)

安装Python

一个包Rbeast一直在PyPI沉积:https://pypi.org/project/Rbeast/。在控制台安装运行下面的命令:

皮普安装Rbeast

目前,一个二进制轮文件只建成为Windows和Python 3.8。其他操作系统平台或Python版本,安装需要一个编译器构建包从C / c++代码,这是一个一站式服务的过程在Linux(要求gcc)或Mac(要求xcode)。如果需要,联系Kaiguang赵(zhao.1423@osu.edu)帮助建立包为您的特定操作系统平台和Python版本。

运行和测试Rbeast Python

尼罗河每年尼罗河的水流,从1871年开始。作为年度观察,它没有周期性的组件(例如,赛季= '没有')。

进口Rbeast作为rb# Rbeast包作为rb的导入尼罗河,一年=rb。load_example(“尼罗河”)#一个样本时间序列o=rb。野兽(尼罗河,开始=1871年,季节=“没有”)rb。情节(o)rb。打印(o)o#看到输出字段的列表输出变量o

第二个例子海滩是一个月度时间序列的谷歌搜索这个词的流行海滩在美国。这个时间序列reguarly-spaced(即。deltat =1个月=1/12年);它有一个cyclyic组件与一段时间的1年(如频率=期/ deltat= 1年/ 1个月= 1 / (1/12)= 12)。

我们遵循R的术语使用频率分指的是数量的数据期——频率= / deltaT时期;显然,这不同于标准的物理学定义——频率= 1 /。

海滩,一年=rb。load_example(“海滩”)o=rb。野兽(海滩,开始=2004年,deltat=1/12,频率=12)rb。情节(o)rb。打印(o)

茱莉亚/ IDL

茱莉亚和IDL正在开发包装:我们欢迎贡献和感兴趣的开发人员的帮助。如果感兴趣,请联系Kaiguang赵zhao.1423@osu.edu。

描述

时间序列数据的解释是影响模型的选择。不同的模型可以给不同甚至矛盾的估算模式,趋势,和相同的数据组织机制限制减轻贝叶斯估计量的突然变化,季节性和趋势(兽)的这个包。野兽寻求改善时间序列分解通过放弃“single-best-model”概念和拥抱所有竞争模型推理通过贝叶斯模型平均法。这是一个灵活的工具发现突然变化(即。,change-points), cyclic variations (e.g., seasonality), and nonlinear trends in time-series observations. BEAST not just tells when changes occur but also quantifies how likely the detected changes are true. It detects not just piecewise linear trends but also arbitrary nonlinear trends. BEAST is applicable to real-valued time series data of all kinds, be it for remote sensing, finance, public health, economics, climate sciences, ecology, and hydrology. Example applications include its use to identify regime shifts in ecological data, map forest disturbance and land degradation from satellite imagery, detect market trends in economic data, pinpoint anomaly and extreme events in climate data, and unravel system dynamics in biological data. Details on BEAST are reported in赵et al。(2019)。这篇论文是可用的https://go.osu.edu/beast2019。

注意在计算

贝叶斯算法,野兽快和可能是最快的贝叶斯时序分析算法的实现相同的性质。(但仍然较慢,而nonBayesian方法。)应用程序处理几成千上万的时间序列,计算不会是一个实际问题。但对于遥感/地理空间应用程序很容易涉及数百万或数十亿时间序列,计算为台式电脑用户将是一个巨大的挑战。我们建议先测试野兽在单一时间序列或小图像芯片首先确定是否适合于您的应用程序和野兽,如果是的,估计需要多长时间来处理整个图像。

在任何情况下,对于那些用户处理堆放时间序列图像,不要使用野兽或beast.irreg。使用beast123相反,它可以处理三维数据立方体,并允许并行计算。我们也欢迎咨询Kaiguang赵(zhao.1423@osu.edu)给具体建议如果你看到一些野兽的价值为您的应用程序。

参考

• 赵,K。,Wulder, M. A., Hu, T., Bright, R., Wu, Q., Qin, H., Li, Y., Toman, E., Mallick B., Zhang, X., & Brown, M. (2019).在卫星检测变点、趋势和季节性时间序列数据跟踪突然变化和非线性动力学:贝叶斯算法合奏。环境遥感、232、111181。(野兽纸)

• 赵,K。,Valle, D., Popescu, S., Zhang, X. and Mallick, B., 2013.高光谱遥感的植物生物化学使用贝叶斯模型平均变量和波段选择。132年环境遥感,pp.102 - 119。(用于野兽的密度取样器)

• 胡,T。,Toman, E.M., Chen, G., Shao, G., Zhou, Y., Li, Y., Zhao, K. and Feng, Y., 2021.映射的精细人类干扰工作景观与陆地卫星时间序列在谷歌地球引擎。ISPRS摄影测量和遥感学报,176年,pp.250 - 261。应用程序(纸)

选择使用野兽/ Rbeast出版物

尽管最初出版生态和环境应用,野兽是开发成一个通用的工具适用于时间序列或time-series-like数据引起的所有学科。野兽不是一个启发式算法,而是严格的统计模型。下面是一个列表选择同行评议pulications野兽用于统计数据分析。

从C编译源代码(仅为开发人员和专家)

虽然不需要,但是如果喜欢,为您特定的机器代码可以编译。检查Rbeast \源文件夹在GitHub的细节。

报告bug或帮助

野兽分布是适合应用程序的,没有保修。上面分布仍然是一个beta版本,与潜在的进一步改善的空间。如果你遇到的软件缺陷(bug)请报告这个问题。提供的详细描述错误发生的条件将有助于识别错误,你可以直接邮件Kaiguang赵博士维护者zhao.1423@osu.edu。另外,使用问题跟踪器在GitHub报告软件的问题和请求功能增强。

确认:

野兽是由李阳,教会,Xuesong张,Kaiguang赵。野兽的发展收到了支持通过一个美国地质调查局104 b格兰特和来自俄亥万博1manbetx俄州的赤潮研究专项资助高等教育。通过USDA-ARS Xuesong张支持的贡献。万博1manbetx