Optimal Short-Term Forecast for Locally Stationary Functional Time Series
局部平稳函数型时间序列的最优短期预测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：摘要直接讨论非平稳函数型时间序列、自回归近似和短期预测，因此归入时间序列与预测方向。
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…
局部平稳函数型时间序列的最优短期预测
- 研究问题
- 当曲线数据的生成机制随时间平滑变化时，如何建立短期线性预测的理论基础，并构造具有渐近最优性的预测方法？
- 方法与思路
- 作者为一类局部平稳函数型时间序列建立统一的函数自回归近似，并提出双重筛展开方法来构造短期预测。
- 材料陈述的贡献
- 摘要称其证明了自回归近似结果和预测的渐近最优性，并利用电信流量数据说明理论与方法的实际用途。
- 阅读关注点
- 应核对局部平稳性的定义、双重筛的展开对象与维数选择，以及最优性相对于何种预测器集合和损失函数成立。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明正则条件、收敛速度或最优性是否适用于有限样本。
原文摘要
Accurate curve forecasting is of vital importance for policy planning, decision making and resource allocation in many engineering and industrial applications. In this paper we establish a theoretical foundation for the optimal short-term linear prediction of non-stationary functional or curve time series with smoothly time-varying data generating mechanisms. The core of this work is to establish a unified functional auto-regressive approximation result for a general class of locally stationary functional time series. A double sieve expansion method is proposed and theoretically verified for the asymptotic optimal forecasting. A telecommunication traffic data set is used to illustrate the usefulness of the proposed theory and methodology.