Forecasting multiple density-valued time series
多个密度值时间序列的预测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：摘要明确研究多个密度值时间序列的建模，以及多步点预测与区间预测。
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
多个密度值时间序列的预测
- 研究问题
- 多个群体的密度函数具有非负且积分为一的约束，如何在保持这些性质的同时建模横截面与序列依赖并进行预测？
- 方法与思路
- 作者提出基于中心化对数比及累积分布函数的两种变换，在无约束函数空间比较多群体函数时间序列模型与群体差距模型。
- 材料陈述的贡献
- 摘要称，变换可双射映射密度，并以日本地方年龄别生命表死亡计数比较一至二十步点预测和区间预测，提出一般建议。
- 阅读关注点
- 应核对变换定义与定义域、零密度处理和逆变换，检查群体依赖建模、预测区间校准及两类方法比较的评估设计。
- 阅读边界
- 依据所给 arXiv v1 预印本摘要，不能据此声称已同行评审或期刊接收。摘要未给出变换条件、精度数值或具体建议，不能判断哪种方法更优。
原文摘要
Density-valued time series are common in practice. However, since these functions are non-negative and must integrate to one, they do not form a linear vector space, which complicates the direct application of standard time-series methods. To address these constraints, we introduce two transformations, based on the centered log-ratio transformation and the cumulative distribution function, for modeling and forecasting balanced panel data represented by multiple densities. Both transformations map densities bijectively into an unconstrained function space in which cross-sectional and serial dependence can be modeled directly. Within the resulting unconstrained space, we consider two approaches: multi-population functional time-series modeling to account for correlations among populations, and gap modeling between gender and region. Using Japanese subnational age-specific life-table death counts from 1973 to 2024, we evaluate and compare the one- to 20-step-ahead point and interval forecast accuracy of the two approaches for each transformation, and offer some general recommendations.