Nonlinear Additive Models for Environmental Time Series, With Applications to Ground-Level Ozone Data Analysis
环境时间序列的非线性可加模型：地面臭氧数据应用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：摘要明确建立含非平稳均值、方差和噪声结构的时间序列模型。
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
环境时间序列的非线性可加模型：地面臭氧数据应用
- 研究问题
- 环境时间序列的均值和方差随气象条件非线性变化时，如何建模这种非平稳性，并评估臭氧浓度的长期趋势和高分位数？
- 方法与思路
- 作者将均值与方差写成气象变量的非线性可加函数，以反向拟合估计未知函数，并用最大似然估计噪声部分参数。
- 材料陈述的贡献
- 摘要称推导了参数估计的一致性和极限分布；在芝加哥臭氧应用中，所提模型的第九十五和第九十九百分位估计更准确。
- 阅读关注点
- 应核对气象调整与长期趋势如何区分、噪声依赖结构及渐近条件，并检查高分位数准确性的评价标准和比较模型。
- 阅读边界
- 仅据版本未注明的索引摘要，未给出所谓温和条件、误差指标或改善幅度；不能据此认定模型在其他环境序列中更优。
原文摘要
Environmental time series usually vary systematically in response to meteorological conditions and thus often are not stationary. In this article a class of additive models are introduced for environmental time series, in which both mean levels and variances of the series are nonlinear functions of relevant meteorological variables. Backfitting algorithms in nonlinear regression are adopted to estimate the unknown functions in the model, and the maximum likelihood method is used to estimate the parameters in the noise component. Asymptotic properties of the parameter estimates, including consistency and limiting distribution, are derived under mild conditions. The model is applied to daily maxima of ground-level ozone concentrations in the Chicago area for possible long-term trend assessment. Compared to alternative models, the proposed models gave more accurate estimations for the 95th and 99th percentiles of the ozone distribution.