Common Periodic Correlation Features and the Interaction of Stocks and Flows in Daily Airport Data
共同周期相关特征与机场日度数据中的存量和流量互动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：摘要直接讨论周期模型、可能的非平稳性与跨序列共同短期动态，并用日度机场数据展示，因此归入时间序列方向。
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…
共同周期相关特征与机场日度数据中的存量和流量互动
- 研究问题
- 如何提取随一周不同日期共同变化的短期动态特征，减少可能非平稳的周期模型参数，并描述存量与流量之间的动态联系？
- 方法与思路
- 作者将单变量和双变量周期模型写成多变量表示，并施加共同周期相关特征限制，以减少参数，同时刻画存量与流量的动态联系。
- 材料陈述的贡献
- 摘要提出共同周期相关特征框架，说明这些特征可涉及周内不同日期、不同周及不同序列，并以机场每日到达与离开数据展示应用。
- 阅读关注点
- 阅读时应核对多变量表示与原周期模型的对应关系、共同特征限制如何实现参数节约，以及非平稳性和存量流量联系的处理。
- 阅读边界
- 摘要未说明共同特征的检验或估计程序、非平稳模型的有效条件和应用结果；不能仅据参数节约判断预测改善或因果联系。
原文摘要
We propose the multivariate representation of univariate and bivariate (possibly nonstationary) periodic models as a benchmark for the imposition of common periodic correlation (CPC) feature restrictions to obtain parameter parsimony. CPCs are short-run common dynamic features that co-vary across the different days of the week and possibly also across weeks and that can be common across different time series. We also show how periodic models can be used to describe interesting dynamic links in the interaction between stock and flow variables. We apply the proposed modeling framework to a dataset of daily arrivals and departures in airport transit data.