Nonlinear Additive Models for Environmental Time Series, with Applications to Ground-Level Ozone Data Analysis
环境时间序列的非线性加性模型及地面臭氧应用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：摘要直接研究非平稳环境时间序列及噪声建模；百分位比较尚不足以另归为分布效应研究。
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
环境时间序列的非线性加性模型及地面臭氧应用
- 研究问题
- 环境时间序列的均值与方差随气象条件非线性变化时，如何建模这种非平稳性，并支持地面臭氧的长期趋势分析？
- 方法与思路
- 作者以气象变量的非线性函数描述均值和方差，用回代算法估计未知函数、最大似然估计噪声参数，并分析估计量渐近性质。
- 材料陈述的贡献
- 摘要称，获得一致性与极限分布；芝加哥臭氧日最大值应用中，模型对第九十五和第九十九百分位的估计优于所比较模型。
- 阅读关注点
- 核对均值、方差与噪声依赖结构、渐近结果的条件，以及气象调整如何服务趋势分析和高百分位估计的比较标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能推断后续刊本变化。摘要未列具体条件、比较模型或误差数值，应用优势不能推广到所有序列。
原文摘要
Environmental time series usually vary systematically in response to meteorological conditions and thus often are not stationary. In this article a class of additive models are introduced for environmental time series, in which both mean levels and variances of the series are nonlinear functions of relevant meteorological variables. Backfitting algorithms in nonlinear regression are adopted to estimate the unknown functions in the model, and the maximum likelihood method is used to estimate the parameters in the noise component. Asymptotic properties of the parameter estimates, including consistency and limiting distribution, are derived under mild conditions. The model is applied to daily maxima of ground-level ozone concentrations in the Chicago area for possible long-term trend assessment. Compared to alternative models, the proposed models gave more accurate estimations for the 95th and 99th percentiles of the ozone distribution.