Fast likelihood evaluation and prediction for nonstationary state space models
非平稳状态空间模型的快速似然计算与预测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：题名与摘要明确涉及非平稳状态空间、ARIMA 模型及预测，对应时间序列与预测方向。
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
非平稳状态空间模型的快速似然计算与预测
- 研究问题
- 非平稳状态空间模型应如何初始化卡尔曼滤波，才能以较小的额外计算负担开展似然计算与预测？
- 方法与思路
- 作者提出卡尔曼滤波初始化的递归程序，研究其一般性质，并讨论 ARIMA 模型与基本结构模型中的初始化细节。
- 材料陈述的贡献
- 摘要称该程序增加的计算和编程负担较小，并在计算速度与一般适用性方面优于其他已提出的初始化方法。
- 阅读关注点
- 应核对非平稳初始状态的处理、递归与似然计算的衔接、预测实现，以及速度与适用性比较所覆盖的模型范围。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要；摘要未给出完整递归、适用条件或比较数值，优越性属于作者陈述。
原文摘要
A recursive procedure for initializing the Kalman filter is displayed. The recursion is for nonstationary state space models. The procedure imposes small computational and programming burden over and above the Kalman filter. The procedure is superior to other suggested approaches in both computational speed and general applicability. General properties of the method are investigated. Details of the initialization for the ARIMA (p,d,q) and basic structural models are considered.