An information criterion for detecting periodicities in functional time series
检测函数型时间序列周期成分的信息准则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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究函数型时间序列中的周期识别与成分数量选择。
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
检测函数型时间序列周期成分的信息准则
- 研究问题
- 当函数型时间序列含有未知数量的周期成分时，如何选择周期成分的个数，并保证该选择具有一致性？
- 方法与思路
- 作者提出信息准则，并利用最小二乘拟合后的残差过程迭代识别周期成分，以最小化准则确定其数量。
- 材料陈述的贡献
- 摘要称建立了周期成分数量估计的一致性，并通过数值模拟及温度、太阳黑子数据展示程序的应用。
- 阅读关注点
- 应核对信息准则的惩罚项、频率可辨识条件、残差迭代的停止规则，以及数量估计一致性所需的依赖条件。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未说明频率间隔要求、样本条件及模拟结果数值。
原文摘要
We propose an information criterion for determining an unknown number of periodic components in functional time series. Identifying the number of frequencies in large-scale time series has been a central focus. To achieve this goal, we suggest an iterative procedure, utilizing the residual process obtained through least squares fitting. This iterative approach demonstrates broad applicability. We establish the consistency of the estimated number of periodic components by minimizing the information criterion. The efficacy of the procedure is illustrated through numerical simulations. In real data analysis, we apply this information criterion to temperature data and sunspot data.