Prediction of air pollutants PM10 by ARBX(1) processes
利用 ARBX(1) 过程预测 PM10 空气污染曲线AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究含外生变量的函数型时间序列估计及污染曲线预测。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用 ARBX(1) 过程预测 PM10 空气污染曲线
- 研究问题
- 存在外生变量且函数型观测具有时间相关性时，如何进行分量估计与预测，并将方法用于法国地区的 PM10 污染曲线？
- 方法与思路
- 作者采用 Banach 空间值时间序列框架，构造函数型估计量及代入式预测器，通过模拟和污染曲线应用考察其表现。
- 材料陈述的贡献
- 摘要提出估计量与预测器的强一致性结论，并以模拟展示大样本性质，提供法国上诺曼底地区 PM10 曲线预测应用。
- 阅读关注点
- 应核对函数空间选择、外生变量进入模型的方式、强一致性所需条件，以及预测评价是否采用独立的样本外时期。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出一致性条件、预测误差数值或与其他方法的比较。
原文摘要
This work adopts a Banach-valued time series framework for component-wise estimation and prediction, from temporal correlated functional data, in presence of exogenous variables. The strong-consistency of the proposed functional estimator and associated plug-in predictor is formulated. The simulation study undertaken illustrates their large-sample size properties. Air pollutants PM10 curve forecasting, in the Haute-Normandie region (France), is addressed by implementation of the functional time series approach presented