A Matsuoka-Based GARMA Model for Hydrological Forecasting: Theory, Estimation, and Applications
用于水文预测的 Matsuoka 型 GARMA 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：摘要明确提出含 ARMA 结构的时间序列模型并构造预测区间，支持时间序列与预测方向；实际应用是水文而非宏观经济。
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…
用于水文预测的 Matsuoka 型 GARMA 模型
- 研究问题
- 如何对取值严格限制在零与一之间、可能含随机时变协变量的连续时间序列建模，并构造参数推断和预测区间？
- 方法与思路
- 作者以 Matsuoka 分布和类似 ARMA 的系统结构扩展 GARMA，采用偏极大似然估计，并以 bootstrap 构造预测区间。
- 材料陈述的贡献
- 摘要称建立偏极大似然估计的渐近理论，提出考虑依赖结构不确定性的预测区间，并用模拟及巴西水库数据展示用途。
- 阅读关注点
- 应核对模型如何确保条件分布支持集、随机协变量所需条件，以及预测 bootstrap 如何体现依赖结构和参数不确定性。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明渐近条件、区间覆盖数值及对零或一边界观测的处理。
原文摘要
Time series in natural sciences, such as hydrology and climatology, and other environmental applications, often consist of continuous observations constrained to the unit interval (0,1). Traditional Gaussian-based models fail to capture these bounds, requiring more flexible approaches. This paper introduces the Matsuoka Autoregressive Moving Average (MARMA) model, extending the GARMA framework by assuming a Matsuoka-distributed random component taking values in (0,1) and an ARMA-like systematic structure allowing for random time-dependent covariates. Parameter estimation is performed via partial maximum likelihood (PMLE), for which we present the asymptotic theory. It enables statistical inference, including confidence intervals and model selection. To construct prediction intervals, we propose a novel bootstrap-based method that accounts for dependence structure uncertainty. A comprehensive Monte Carlo simulation study assesses the finite sample performance of the proposed methodologies, while an application to forecasting the useful water volume of the Guarapiranga Reservoir in Brazil showcases their practical usefulness.