Smooth forecasting with the smooth package in R
使用 R 的 smooth 包进行预测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：摘要明确介绍单变量预测、ETS、ARIMA 及其状态空间时间序列实现。
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
使用 R 的 smooth 包进行预测
- 研究问题
- 如何为单变量预测提供更易修改和开展研究实验的软件实现，并在统一框架中扩展常见预测模型的功能？
- 方法与思路
- 作者介绍 smooth 包，将 ETS 与 ARIMA 写为单一误差源状态空间形式，并在此基础上纳入解释变量、多频率及其他预测工具。
- 材料陈述的贡献
- 摘要所述贡献是提供可扩展的预测软件框架，说明其设计理念与主要函数，为模型修改、实验和时间序列分析增加功能。
- 阅读关注点
- 应核对单一误差源状态空间表示、各模型的参数化与初始化、解释变量和多频率支持方式，以及函数示例对应的软件版本。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未报告预测精度比较，功能更灵活不能据此解释为预测普遍更准确。
原文摘要
There are many forecasting related packages in R with varied popularity, the most famous of all being \texttt{forecast}, which implements several important forecasting approaches, such as ARIMA, ETS, TBATS and others. However, the main issue with the existing functionality is the lack of flexibility for research purposes, when it comes to modifying the implemented models. The R package \texttt{smooth} introduces a new approach to univariate forecasting, implementing ETS and ARIMA models in Single Source of Error (SSOE) state space form and implementing an advanced functionality for experiments and time series analysis. It builds upon the SSOE model and extends it by including explanatory variables, multiple frequencies, and introducing advanced forecasting instruments. In this paper, we explain the philosophy behind the package and show how the main functions work.