滑动平均窗口怎么选：3 点、1 小时还是 24 小时
Choosing a Moving Average Window
同样的数据，滑动平均窗口取 3 点和 1 小时，会给出完全不同的结论。窗口不是越大越"平滑"，而是越能抹掉你想抹掉的频率——窗口选择必须与数据用途绑定。
本文涉及的条目20 条 · 自动匹配自标签与标题
滑动平均的本质是低通滤波
滑动平均把信号里的高频成分抹平，保留低频趋势。窗口 N 越大，截止频率越低，曲线越平滑，但延迟越大、突变越钝。
滑动平均的近似截止频率：f_c ≈ 0.44 / (N × Δt)
| 窗口 | 数据频率 1/min | 截止周期（约） | 保留的信号 |
|---|---|---|---|
| 3 点 | 1 min | ~7 min | 分钟级趋势，滤掉采样抖动 |
| 15 点 | 1 min | ~34 min | 半小时级趋势 |
| 60 点（1 h） | 1 min | ~2.3 h | 小时级趋势 |
| 1440 点（24 h） | 1 min | ~2.3 天 | 日以上趋势 |
理解这句话：窗口 1 小时的滑动平均，会把所有"短于 2.3 小时的波动"都抹平——如果你关心的是"暴雨 1 小时的洪峰"，这个窗口直接把洪峰吃掉了。
窗口选择的三个问题
选窗口前，先回答三个问题：
问题一：你要保留什么信号？
| 用途 | 需要保留的信号周期 | 建议窗口 |
|---|---|---|
| 降雨-水位联动预警 | 分钟~小时级（洪峰） | 3~15 点（≤ 15 min） |
| 滑坡位移趋势 | 天~周级（累积位移） | 小时级（60 点） |
| 日平均温度评价 | 日级 | 24 h（或直接用日均值） |
| 噪声小时等效 | 1 h（Leq 定义） | 不滑动平均，用能量平均 |
| 去除传感器采样抖动 | 秒~分钟级 | 3~5 点 |
问题二：你能接受多少延迟？
滑动平均的延迟 ≈ (N-1)/2 × Δt。窗口 24 h 的均值，你要等 12 h 才能看到"当前时刻的平滑值"——在线预警不可能用大窗口，预警必须用小窗口 + 原始值判据。
问题三：信号里有没有"该保留的突变"？
- 滑坡加速、暴雨洪峰、结构突变——这些是事件信号，滑动平均会把它们钝化；
- 如果任务是"捕捉事件"，用原始值 + 变化率判据，而不是大窗口平滑；
- 如果任务是"评估长期趋势"，大窗口合适，但要同步保留原始序列。
不同场景的实战建议
降雨-水位联动（山洪预警）
- 用 3~15 点滑动平均（或干脆用原始值 + 5 min 累计雨量）；
- 千万别用小时窗口：小时均值把 30 min 50 mm 的强雨抹成 25 mm/h，预警价值归零；
- 判据用"滚动累计"（如 1 h 滚动雨量），不是滑动平均。
滑坡 GNSS 位移
- 原始序列噪声 ±10~20 mm，趋势信号是"日累积几 mm"；
- 用 1 h 滑动中位数（不是均值——中位数抗尖峰）；
- 位移判据用"24 h 滑动增量"，既能平滑噪声，又不钝化"加速期"（增量是差值，窗口内的趋势保留）。
温度/水位缓变监测
- 数据本身平滑，3~5 点滑动平均去采样抖动即可；
- 大窗口（24 h）用于"日均值报表"，但日报用标准日界（0:00~24:00）计算，不是滑动平均。
噪声监测
- 不要对 Leq 做滑动平均——Leq 本身就是能量平均，再平均会丢失时间结构（详见本站专题《Leq、L10、L90》）；
- 统计量（L10/L90）基于原始采样计算，窗口概念不适用。
滑动平均的四个陷阱
- 首尾缺失：窗口在前 N-1 个点和最后 N-1 个点无完整窗口——实现时要决定"缩窗"还是"补齐"，并在文档注明；
- 跳变被钝化：阶跃信号（设备切换、量程跳变）被滑动平均抹成斜坡——分析前先找突变点，不要在突变附近用大窗口；
- 窗口与采样率脱节："滑动平均 60 点"在 1 min 采样下是 1 h，在 1 s 采样下是 1 min——说窗口要说时间长度，不说点数；
- 重复平滑：对已经平滑过的数据再平滑，等于多个低通级联，延迟叠加、信号进一步失真——只对原始序列平滑一次。
一个完整例子
水位序列（1 min 采样）：
- 目的：日趋势评估 → 60 点（1 h）窗口，看日水位过程；
- 目的：暴雨洪峰预警 → 用 5 点窗口 + 原始值 10 min 增量判据；
- 目的：月报 → 直接日均值（24 h 窗口 + 日界），不做滑动。
结语
滑动平均窗口的选择是信号与延迟的权衡：窗口越大，趋势越清晰，事件越模糊、延迟越大。先回答"要保留什么频率的信号、能接受多少延迟"，再选窗口。记不住细节就用三条：在线预警用小窗口或原始值，长期趋势用中窗口，报表用标准统计周期——永远保留原始序列，平滑只作为派生列。