Wavelet Based Periodic Autoregressive Moving Average Models
基于小波的周期性自回归移动平均模型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：摘要明确研究周期性自回归移动平均时间序列及其小波表示。
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
基于小波的周期性自回归移动平均模型
- 研究问题
- 当周期性自回归移动平均模型的参数变化不平滑时，能否用小波表示减少傅里叶分析所需的大量参数，得到更简约的模型？
- 方法与思路
- 作者提出基于小波的周期性自回归移动平均时间序列分析方法，用小波表示处理不平滑的周期参数，并以模拟和实际数据说明。
- 材料陈述的贡献
- 摘要称小波分析能够减少参数数量、获得简约模型，并提供模拟与实际数据示例；摘要没有报告进一步的理论或数值细节。
- 阅读关注点
- 应核对小波基、分辨率与参数保留规则，周期结构如何进入模型，以及减少参数后拟合表现和与傅里叶方法的比较设计。
- 阅读边界
- 这是 arXiv 预印本，未核实同行评审或期刊接收。摘要未说明估计程序、理论条件或比较数值，不能推断预测精度必然提高。
原文摘要
This paper proposes a wavelet-based method for analysing periodic autoregressive moving average (PARMA) time series. Even though Fourier analysis provides an effective method for analysing periodic time series, it requires the estimation of a large number of Fourier parameters when the PARMA parameters do not vary smoothly. The wavelet-based analysis helps us to obtain a parsimonious model with a reduced number of parameters. We have illustrated this with simulated and actual data sets.