Interval-valued circular time series: A toroidal score-driven approach with an application to wind direction
区间值圆周时间序列：环面得分驱动方法及其在风向中的应用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：摘要核心是圆周时间序列的动态得分驱动建模与极大似然估计，直接对应时间序列方向，其余领域细分无文本依据。
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…
区间值圆周时间序列：环面得分驱动方法及其在风向中的应用
- 研究问题
- 摘要称，现有框架无法同时处理兼具圆周性、区间取值与时间相依性的数据；点值圆周时间序列模型（含近期得分驱动方法）都假定每次观测是单一角度，本文针对这一空白提出研究问题。
- 方法与思路
- 作者提出动态条件得分框架：把观测区间的下界与上界序列视为受得分驱动动态支配的圆周时间序列，通过环面分布与联合推导的得分使两条边界相互耦合，并讨论极大似然估计，用模拟评估有限样本表现。
- 材料陈述的贡献
- 摘要明确陈述的贡献是填补区间值圆周时间序列的建模空白，给出保持圆周域周期性与边界相依性的得分驱动框架，并以区间值风向数据说明保留区间结构的实用价值。
- 阅读关注点
- 应核对环面分布与联合得分的具体设定、参数识别与可识别性条件、极大似然估计的渐近性质、模拟设计及有限样本结果，以及风向应用的数据来源与评价方式。
- 阅读边界
- 仅凭摘要无法判断模型识别假设、估计量渐近性质、模拟与实证的具体数值结论及相对优势；该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
Circular data recorded over time, such as wind direction, are increasingly observed in intervals rather than as single point-valued observations, yet no existing framework accommodates data that are simultaneously circular, interval-valued, and temporally dependent. Time series models for point-valued circular data, including recently proposed score-driven approaches, assume that each observation is a single angle. This paper addresses this gap by proposing a dynamic conditional score framework for interval-valued circular time series. The lower and upper boundary sequences of the observed intervals are treated as circular time series governed by score-driven dynamics, which preserves the periodicity of the circular domain and the dependency of boundaries, in which the boundaries are coupled through a toroidal distribution and a jointly derived score. Maximum likelihood estimation is discussed, and their finite-sample performance is evaluated through simulation. An application to interval-valued wind direction data illustrates the practical value of retaining the interval structure within a fully rotationally invariant circular framework.