Exponential Smoothing for Multivariate Time Series
多元时间序列的指数平滑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：摘要明确研究多元时间序列的指数平滑与预测，直接对应时间序列和预测方向。
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
多元时间序列的指数平滑
- 研究问题
- 多元时间序列指数平滑与预测中的最优权重矩阵如何估计，估计方法能否跟踪结构随时间缓慢变化的过程？
- 方法与思路
- 作者给出权重矩阵的估计方法及递推方程，通过遗忘较远历史的变体跟踪缓慢变化，并讨论已知非线性结构的扩展。
- 材料陈述的贡献
- 摘要称提出了多元指数平滑的权重估计与递推实现，说明向已知结构非线性过程推广的可能，并用模拟展示可行性。
- 阅读关注点
- 阅读时应核对最优性的目标、递推更新与遗忘机制、结构缓慢变化的条件，以及模拟采用的预测评价标准。
- 阅读边界
- 仅据所给 Crossref 摘要；最优性条件、遗忘参数和模拟结果未提供，不能据此判断对其他预测方法的普遍优势。
原文摘要
Summary A method is presented for estimating the optimum weight matrix for the exponential smoothing and prediction of multivariate time series. A recursive version of the estimation equations is given. A variation allows the estimation to forget the remote past in order to follow a process in which the structure varies slowly with time. It is pointed out that the method generalizes to non-linear processes when the non-linear structure is known. The practicality of the method is demonstrated by a numerical simulation study.