Conditional normalization in time series analysis
时间序列分析中的条件标准化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：摘要明确研究时间序列的条件均值方差、缺失填补及自相关和互相关，符合时间序列方向，河网应用并非经济网络干扰证据。
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…
关注这篇论文的作者
时间序列分析中的条件标准化
- 研究问题
- 当时间序列的水平与变异随相关协变量变化时，如何进行条件标准化，并用处理后的序列开展缺失填补和相关结构分析？
- 方法与思路
- 作者用广义加性模型分别估计给定协变量的条件均值与方差，再据此标准化时间序列，并在河网数据中分析条件相关和水流时间。
- 材料陈述的贡献
- 摘要提出基于条件均值与方差的标准化方法，并展示其用于缺失值填补、条件自相关与互相关估计以及河网传播时间估计。
- 阅读关注点
- 应核对条件均值和方差模型的设定、标准化误差的传播、缺失填补的评价方法，以及从互相关推断水流时间所需解释条件。
- 阅读边界
- 这是 arXiv 预印本，未核实同行评审或期刊接收。摘要未给出一致性或推断保证，条件标准化也不能仅凭描述认定消除了全部依赖。
原文摘要
Time series often reflect variation associated with other related variables. Controlling for the effect of these variables is useful when modeling or analysing the time series. We introduce a novel approach to normalize time series data conditional on a set of covariates. We do this by modeling the conditional mean and the conditional variance of the time series with generalized additive models using a set of covariates. The conditional mean and variance are then used to normalize the time series. We illustrate the use of conditionally normalized series using two applications involving river network data. First, we show how these normalized time series can be used to impute missing values in the data. Second, we show how the normalized series can be used to estimate the conditional autocorrelation function and conditional cross-correlation functions via additive models. Finally we use the conditional cross-correlations to estimate the time it takes water to flow between two locations in a river network.