A note on Kalman filtering for the seasonal moving average model
季节移动平均模型的卡尔曼滤波札记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：摘要明确研究季节移动平均模型与卡尔曼滤波，直接对应时间序列方法。
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
季节移动平均模型的卡尔曼滤波札记
- 研究问题
- 对于没有缺失观测的纯季节移动平均模型，如何利用已有结果简化卡尔曼滤波计算，并减少实施该滤波所需的计算量？
- 方法与思路
- 作者在无缺失观测的纯季节移动平均模型中应用卡尔曼滤波，并利用 Ansley 的一个既有结果获得计算上的节省。
- 材料陈述的贡献
- 摘要称，在上述特定模型和观测条件下可以获得显著计算节省，但未说明节省的算法步骤、复杂度或具体幅度。
- 阅读关注点
- 阅读时应核对纯季节移动平均模型的表示、所调用结果的条件，以及滤波递推的简化方式和计算节省的评价基准。
- 阅读边界
- 所据为 OpenAlex 索引摘要，稿件版本未注明；摘要将结论限于无缺失观测的纯季节移动平均模型，不能推及一般季节模型或预测精度提升。
原文摘要
We show that if we apply the Kalman filter to a pure seasonal moving average model with no missing observations, then, by using a result of Ansley (1979), we can obtain significant computational savings.