在R中基于线性模型（lm）实现周期性数据网格搜索的方法问询

这问题我碰到过好多次，处理带周期性的实验数据，自动化尝试不同sin/cos和周期的线性模型，其实用基础R就能搞定，我给你一步步拆解：

首先假设你已经有了实验数据（比如响应变量y，周期相关的自变量x，比如时间戳），先模拟一份示例数据方便演示：

set.seed(123) # 固定随机种子，结果可复现
x <- seq(0, 100, by = 1) # 模拟时间序列自变量
# 生成带7天周期的响应变量，加了噪声
y <- 2 + 0.5*x + 3*sin(2*pi*x/7) + 2*cos(2*pi*x/7) + rnorm(length(x), 0, 0.8)
df <- data.frame(x, y)

接下来定义你要搜索的参数网格：

• 候选周期：根据你的实验场景选，比如我这里选c(7,14,30,60)（周、双周、月、双月）
• 每个周期对应的sin/cos组合：可以选只加sin、只加cos、两者都加（排除既不加sin也不加cos的无效情况）

# 生成所有参数组合
param_grid <- expand.grid(
  period = c(7,14,30,60),
  include_sin = c(TRUE, FALSE),
  include_cos = c(TRUE, FALSE),
  stringsAsFactors = FALSE
)
# 过滤掉无效组合（既不加sin也不加cos）
param_grid <- param_grid[!(param_grid$include_sin == FALSE & param_grid$include_cos == FALSE), ]

写一个小函数，把参数组合转换成lm能识别的公式：

generate_formula <- function(period, include_sin, include_cos) {
  # 基础自变量，你可以换成自己的其他变量，比如c("x", "treatment")
  base_terms <- "x"
  terms <- base_terms
  
  # 添加sin项（如果选中）
  if (include_sin) {
    terms <- c(terms, sprintf("sin(2*pi*x/%d)", period))
  }
  # 添加cos项（如果选中）
  if (include_cos) {
    terms <- c(terms, sprintf("cos(2*pi*x/%d)", period))
  }
  
  # 拼接成公式字符串，转成formula对象
  formula_str <- paste("y ~", paste(terms, collapse = " + "))
  as.formula(formula_str)
}

# 给参数网格添加公式列
param_grid$formula <- mapply(generate_formula, 
                             param_grid$period, 
                             param_grid$include_sin, 
                             param_grid$include_cos)

接下来循环遍历所有公式，拟合线性模型，然后把关键指标（R²、调整后R²、AIC、BIC）收集起来方便对比：

# 批量拟合模型，用lapply遍历所有公式
model_results <- lapply(param_grid$formula, function(form) {
  fit <- lm(form, data = df)
  # 提取需要的指标
  list(
    formula = form,
    r_squared = summary(fit)$r.squared,
    adj_r_squared = summary(fit)$adj.r.squared,
    aic = AIC(fit),
    bic = BIC(fit),
    coefs = coef(fit) # 可选，保存系数
  )
})

# 把结果转换成数据框，方便排序查看
results_df <- do.call(rbind, lapply(model_results, function(res) {
  data.frame(
    formula = as.character(res$formula)[1],
    r_squared = round(res$r_squared, 4),
    adj_r_squared = round(res$adj_r_squared, 4),
    aic = round(res$aic, 2),
    bic = round(res$bic, 2),
    stringsAsFactors = FALSE
  )
}))

# 按调整后R²降序排序，看最优模型
results_df <- results_df[order(-results_df$adj_r_squared), ]
print(results_df)

如果想同时尝试多个周期的sin/cos组合（比如同时加入7天和30天周期的项），可以调整参数网格的生成方式：

period_candidates <- c(7,14,30,60)
# 生成所有非空的周期子集（比如单个周期、两个周期组合等）
period_combinations <- lapply(1:length(period_candidates), function(k) {
  combn(period_candidates, k, simplify = FALSE)
})
period_combinations <- unlist(period_combinations, recursive = FALSE)

# 生成多周期模型公式（每个周期都包含sin+cos）
generate_multi_formula <- function(periods) {
  base_terms <- "x"
  terms <- base_terms
  for (p in periods) {
    terms <- c(terms, sprintf("sin(2*pi*x/%d)", p), sprintf("cos(2*pi*x/%d)", p))
  }
  as.formula(paste("y ~", paste(terms, collapse = " + ")))
}

# 生成所有多周期公式
multi_formulas <- lapply(period_combinations, generate_multi_formula)

# 拟合&收集结果（和之前逻辑一致）
multi_results <- lapply(multi_formulas, function(form) {
  fit <- lm(form, data = df)
  list(
    formula = form,
    adj_r_squared = summary(fit)$adj.r.squared,
    aic = AIC(fit)
  )
})

# 转成数据框查看
multi_results_df <- do.call(rbind, lapply(multi_results, function(res) {
  data.frame(
    formula = as.character(res$formula)[1],
    adj_r_squared = round(res$adj_r_squared,4),
    aic = round(res$aic,2),
    stringsAsFactors = FALSE
  )
}))
multi_results_df <- multi_results_df[order(-multi_results_df$adj_r_squared), ]
print(multi_results_df)

• 优先看调整后R²或者AIC/BIC（值越小越好），避免被单纯R²的过拟合问题坑到
• 周期候选值一定要结合你的实验背景选，比如农业实验可能选昼夜、季度周期，工业实验可能选班次、周周期
• 如果有其他自变量，直接在generate_formula的base_terms里加上就行，比如base_terms <- c("x", "treatment", "temperature")

内容的提问来源于stack exchange，提问作者user1700890