Estimation of Trigonometric Components in Time Series
时间序列中三角函数成分的估计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：摘要明确研究时间序列的周期成分估计，并讨论长期预测及与自回归模型的比较。
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
时间序列中三角函数成分的估计
- 研究问题
- 当时间序列含有数量未知、振幅与频率也未知的确定性三角函数成分时，如何逐步识别这些成分并用于预测？
- 方法与思路
- 作者以残差序列周期图最大项的频率作为起点，寻找最小二乘意义下的最佳频率，并通过多重检验决定何时停止。
- 材料陈述的贡献
- 摘要称在若干时间序列上尝试该程序，并报告太阳黑子序列的长期预测优于某些自回归模型；这一比较仅限所述应用。
- 阅读关注点
- 应核对频率搜索与局部最优问题、多重检验的显著性控制，以及太阳黑子预测比较的样本划分、预测期和误差指标。
- 阅读边界
- 仅据版本未注明的索引摘要，不能推断刊本变化；摘要未提供预测数值或一般优势保证，太阳黑子结果不能直接外推。
原文摘要
Estimation in time series with an unknown number of deterministic trigonometric components with unknown amplitudes and frequencies is considered. A stepwise procedure is used. At each step the frequency of the largest term in the periodogram of the residual series is used as a starting value for finding the best frequency in the least squares sense. The procedure is stopped when there are no further significant harmonic components, when tested by a multiple-test procedure. The fitting procedure is tried on various time series, including the sun-spot series. For long-term prediction the deterministic model does better for the sunspot series than, for example, autoregressive models.