Miscellanea. Time series decomposition
时间序列分解札记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：摘要明确讨论动态线性模型、状态空间自回归模型及时间序列成分分解。
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
时间序列分解札记
- 研究问题
- 如何将观测时间序列分解为可能具有物理解释的潜在成分，并在状态空间模型中识别其中的准周期变化？
- 方法与思路
- 作者通过动态线性模型给出构造性的分解结果，讨论状态空间自回归成分模型，并用气候相关地质记录示例。
- 材料陈述的贡献
- 摘要称，该分解支持对潜在成分序列的推断，尤其可用于从特定状态空间模型中分离潜在准周期成分。
- 阅读关注点
- 应核对分解的构造与唯一性、潜在成分的可识别程度，以及准周期成分的统计定义和物理解释依据。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未说明分解条件、模型选择及地质案例结果，不能把潜在成分直接解释为因果机制。
原文摘要
A constructive result on time series decomposition is presented and illustrated. Developed through dynamic linear models, the decomposition is useful in analysis of an observed time series through inference about underlying, latent component series that may have physical interpretations. Particular special cases include state space autoregressive component models, in which the decomposition is useful for isolating latent, quasi-cyclical components, in particular. Brief summaries of analyses of some geological records related to climatic change illustrate the result.