Local statistical moments to capture Kramers-Moyal coefficients
利用局部统计矩估计 Kramers–Moyal 系数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：摘要明确将局部随机过程系数估计用于平稳与非平稳时间序列分析。
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…
利用局部统计矩估计 Kramers–Moyal 系数
- 研究问题
- 如何局部估计描述随机过程的 Kramers–Moyal 系数，在保留非参数灵活性的同时获得参数化方法的可解释性？
- 方法与思路
- 作者提出局部统计矩估计框架，连接非参数与参数化方法，并以平稳、非平稳时间序列及风机能量转换过程展示应用。
- 材料陈述的贡献
- 摘要称该方法提供灵活的局部系数估计方式，并通过不同时间序列案例及真实复杂系统说明其适用性和解释能力。
- 阅读关注点
- 核对局部统计矩与目标系数的对应关系、局部范围和时间间隔选择，以及非平稳情形的估计目标、误差与验证方式。
- 阅读边界
- 所据版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明随机过程条件、误差性质或具体比较结果。
原文摘要
This study introduces an innovative local statistical moment approach for estimating Kramers-Moyal coefficients, effectively bridging the gap between nonparametric and parametric methodologies. These coefficients play a crucial role in characterizing stochastic processes. Our proposed approach provides a versatile framework for localized coefficient estimation, combining the flexibility of nonparametric methods with the interpretability of global parametric approaches. We showcase the efficacy of our approach through use cases involving both stationary and non-stationary time series analysis. Additionally, we demonstrate its applicability to real-world complex systems, specifically in the energy conversion process analysis of a wind turbine.