TrendLSW: Trend and Spectral Estimation of Nonstationary Time Series in R
TrendLSW：非平稳时间序列的趋势与谱估计 R 包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：摘要明确研究非平稳时间序列的趋势、演化谱与小波误差，支持时间序列分类，但应用并非宏观经济数据。
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…
TrendLSW：非平稳时间序列的趋势与谱估计 R 包
- 研究问题
- 如何用小波方法同时分析非平稳时间序列的趋势和演化谱，构造逐点置信区间，并处理长度不是二的幂的数据？
- 方法与思路
- 作者开发 TrendLSW R 包，提供含趋势的演化小波谱估计、局部平稳小波误差下的线性与非线性阈值趋势估计。
- 材料陈述的贡献
- 摘要称，软件集成趋势与谱估计及逐点置信区间，并以边界处理支持任意数据长度，另用生物和活动监测数据展示功能。
- 阅读关注点
- 应核对趋势与误差过程的假设、两种谱估计方法的区别、阈值和边界处理规则，以及逐点置信区间的覆盖范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明性能比较和区间适用条件，逐点区间不等于同时置信带。
原文摘要
The TrendLSW R package has been developed to provide users with a suite of wavelet-based techniques to analyse the statistical properties of nonstationary time series. The key components of the package are (a) two approaches for the estimation of the evolutionary wavelet spectrum in the presence of trend; and (b) wavelet-based trend estimation in the presence of locally stationary wavelet errors via both linear and nonlinear wavelet thresholding; and (c) the calculation of associated pointwise confidence intervals. Lastly, the package directly implements boundary handling methods that enable the methods to be performed on data of arbitrary length, not just dyadic length as is common for wavelet-based methods, ensuring no pre-processing of data is necessary. The key functionality of the package is demonstrated through two data examples, arising from biology and activity monitoring.