Bayesian Forecasting With Stable Seasonal Patterns
稳定季节模式下的贝叶斯预测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。
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：摘要以季节性事件计数为对象，递归预测未来时段及季末总量，直接涉及时间序列结构与预测方法。
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…
关注这篇论文的作者
稳定季节模式下的贝叶斯预测
- 研究问题
- 在季节形状稳定的累计事件过程中，如何随新事件到达更新季末总量预测，并预测剩余季节各时段的事件数及方差？
- 方法与思路
- 作者提出乘法季节预测模型；给定季末总量与已知季节形状时，季内事件服从多项分布，再以两阶段贝叶斯程序递归更新预测。
- 材料陈述的贡献
- 摘要给出利用新事件信息形成季末总量后验分布的框架，并递归预测剩余时段的事件数与季末总量的均值和方差。
- 阅读关注点
- 应核对稳定且已知的季节形状如何确定、季末总量的先验设定，以及两阶段递归公式和最新预测误差的更新作用。
- 阅读边界
- 摘要未说明季节形状的估计误差、先验选择、应用数据或预测评估；季节模式发生变化时的适用性无法仅据摘要判断。
原文摘要
A multiplicative seasonal forecasting model for cumulative events in which, conditional on end- of-season totals being given and seasonal shape being known, it is shown that events occurring within the season are multinomially distributed is presented. The model uses the information contained in the arrival of new events to obtain a posterior distribution for end-of-season totals. Bayesian forecasts are obtained recursively in two stages: first, by predicting the expected number and variance of event counts in future intervals within the remaining season, and then by predicting revised means and variances for end-of-season totals based on the most recent forecast error.