Some consideration of decomposition of a time series
关于时间序列分解的若干考察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：摘要明确研究高斯时间序列的信号与白噪声分解，以及平滑和滤波方法。
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
关于时间序列分解的若干考察
- 研究问题
- 若可观测高斯时间序列由不可观测信号与白噪声相加而成，在已知观测序列模型时，如何确定唯一的信号分解与估计方案？
- 方法与思路
- 作者在给定观测序列模型的约束下，通过最大化白噪声分量的方差来确定信号估计，讨论该程序性质并与常用平滑和滤波方法比较。
- 材料陈述的贡献
- 摘要称提出能够唯一估计信号分量的程序，并讨论其性质及与实践中平滑、滤波方法的关系，但没有给出具体比较结果。
- 阅读关注点
- 核对可行分解的约束、信号与白噪声的关系，以及最大化噪声方差如何导出唯一性；还应确认比较方法和评价准则。
- 阅读边界
- 依据稿件版本未注明的OpenAlex摘要；唯一性的完整条件及比较结论未说明，不能据此认定普遍优于既有滤波方法或推断刊本变化。
原文摘要
Suppose that an observable Gaussian time series Z1 can be written as the sum of an unobservable signal component Tt and a white noise component et. This paper proposes a procedure to estimate the Tt component uniquely by maximizing the variance of et with respect to a known model for Zt. Properties of this procedure are discussed and a comparison is made with a number of smoothing and filtering procedures commonly used in practice.