如何从r范数函数中消除模拟数据中的零点

Question

我有大量的高频风资料。我用这个数据在一个模型中计算了大气和水之间的气体交换。我使用10天系列测量的平均风速来表示给定时间内的气体交换。由于风是10天系列的平均值，所以我想通过将错误添加到输入中来将错误应用于输出：

#fictional time series, manually created by me.
wind <- c(0,0,0,0,0,4,3,2,4,3,2,0,0,1,0,0,0,0,1,1,4,5,4,3,2,1,0,0,0,0,0)

然后，我在风矢量的平均值和sd周围创建了100个值：

df <- as.data.frame(mapply(rnorm,mean=mean(wind),sd=sd(wind),n=100))

标准差产生负值。如果这些运行在气体交换模型中，我会得到不成比例的大误差，因为风速不可能是负的，而且模型的构造不能运行负风测量。有人建议我对原始数据进行日志转换，并使用已记录的值运行rnorm()，然后再进行转换。但是由于数据中有几个零(0=no风)，我不能简单地记录这些值。因此，我使用了log(x+c)方法：

wind.log <- log(wind+1)  
df.log <-  as.data.frame(mapply(rnorm,
            mean=mean(wind.log),
            sd=sd(wind.log),n=100))                

但是，在模型中运行它们之前，我需要将值转换回实际的风测量值。这就是问题出现的地方，因为我需要使用exp(x)-c将值转换回来，然后我将再次得到负值。

有没有一种方法可以在不截断0和在平均值附近破坏生成的分布的情况下解决这个问题？

否则，我唯一的选择就是在每个给定的时间点直接计算气体交换，并由此生成一个分布，这些值永远不会是负值或=0，因此可以进行日志转换。

Answer 1

建议:使用零充气/更改模型，在模型中生成一部分零值，然后从日志正态分布中提取其余的值(以确保没有得到负值)：

wind <- c(0,0,0,0,0,4,3,2,4,3,2,0,0,1,0,0,0,0,1,1,4,5,4,3,2,1,0,0,0,0,0)
prop_nonzero <- mean(wind>0)
lmean <- mean(log(wind[wind>0]))
lsd <- sd(log(wind[wind>0]))
n <- 500
vals <- rbinom(n, size=1,prob=prop_nonzero)*rlnorm(n,meanlog=lmean,sdlog=lsd)

或者，您也可以使用Tweedie分布(如@aosmith所建议的)，或者拟合一个截尾模型来估计被测量为零的风值的分布(假设风速永远不是零，只是太小而无法测量)。