Wavelet Based Time Series Models with Time-Varying Thresholds
基于小波展开的时变阈值时间序列模型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：题名与摘要直接讨论时间序列阈值模型及其随时间变化的参数表示，因此归入时间序列，不额外推定结构突变检验。
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
基于小波展开的时变阈值时间序列模型
- 研究问题
- 时间序列模型的阈值同时存在平滑变化、不规则波动与突变时，如何构造足够灵活的表示并评估其拟合表现？
- 方法与思路
- 作者提出时变阈值模型，用小波级数展开表示阈值参数的动态变化，并通过模拟实验和真实数据应用评估模型。
- 材料陈述的贡献
- 摘要称小波表示能够捕捉不规则、突发及平滑的阈值变化，相比傅里叶方法具有更大灵活性，但未报告具体效果。
- 阅读关注点
- 应核对小波基与截断层数的选择、时变阈值的估计和识别方式，以及与傅里叶方法比较时的复杂度和评估标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实。摘要未说明模型条件、推断理论或应用数据，不能判断灵活性是否转化为稳定收益。
原文摘要
This paper develops a threshold model with a time-varying threshold, represented using a wavelet series expansion. The model adequately captures irregular and abrupt variations, as well as smooth changes in the threshold parameter, allowing greater flexibility than Fourier-based approaches. Simulation experiments and real-data applications are used to evaluate the model's performance.