Les données: J'ai récemment travaillé sur l'analyse des propriétés stochastiques d'un champ spatio-temporel d'erreurs de prévision de production d'énergie éolienne. Formellement, on peut dire que c'est un processus
(ϵpt+h|t)t=1…,T;h=1,…,H,p=p1,…,pn
indexé deux fois dans le temps (avec
tet
h) et une fois dans l'espace (
p) avec
Hétant le nombre de temps d'anticipation (équivaut à environ
24, régulièrement échantillonnés),
Tétant le nombre de "heures de prévision" (c'est-à-dire les heures auxquelles la prévision est émise, environ 30000 dans mon cas, régulièrement échantillonnées), et
nétant un certain nombre de positions spatiales (non quadrillées, environ 300 dans mon cas). Comme il s'agit d'un processus lié aux conditions météorologiques, j'ai également beaucoup de prévisions météorologiques, d'analyses et de mesures météorologiques qui peuvent être utilisées.
Question: Pouvez-vous me décrire l'analyse exploratoire que vous effectueriez sur ce type de données pour comprendre la nature de la structure d'interdépendance (qui pourrait ne pas être linéaire) du processus afin d'en proposer une modélisation fine.