Disaggregation and Forecasting: A Bayesian Analysis
时间序列解聚与预测：贝叶斯分析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：摘要明确分析时间序列的时间解聚，并推导未来解聚值的预测及贝叶斯预测区间，对应时间序列方法和预测两个方向。
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…
关注这篇论文的作者
时间序列解聚与预测：贝叶斯分析
- 研究问题
- 如何利用贝叶斯方法从时间聚合序列推断更细时间尺度的数值及其不确定性，并在未来聚合值的先验信息下预测解聚值？
- 方法与思路
- 作者先用参数的弥散先验推导解聚值的后验分布，再考察替代共轭先验，并为未来聚合值设定共轭先验以导出解聚预测。
- 材料陈述的贡献
- 摘要称，各类后验均值与一些抽样理论结果等价，并给出贝叶斯预测区间及未来解聚值的预测；具体等价关系尚需全文核对。
- 阅读关注点
- 重点核对聚合约束如何进入模型、弥散先验能否产生适定后验、共轭先验的具体设定，以及区间是否纳入未来聚合值的不确定性。
- 阅读边界
- 摘要未说明时间序列误差结构、辅助信息要求或实证数据，也未报告预测表现；后验均值等价不代表不同方法的区间或整体性能相同。
原文摘要
The problem of temporal disaggregation of time series is analyzed by means of Bayesian methods. The disaggregated values are obtained through a posterior distribution derived by using a diffuse prior on the parameters. Further analysis is carried out assuming alternative conjugate priors. The means of the different posterior distributions are shown to be equivalent to some sampling theory results. Bayesian prediction intervals are obtained. Forecasts for future disaggregated values are derived assuming a conjugate prior for the future aggregated value.