Modelling cycles in climate series: The fractional sinusoidal waveform process
气候序列中的周期建模：分数阶正弦波过程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：摘要核心是持续周期、分数阶噪声、自协方差及谱结构的时间序列建模，应用对象为气候序列。
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
气候序列中的周期建模：分数阶正弦波过程
- 研究问题
- 如何为具有持续平稳周期的时间序列建模，同时容纳随机振幅与相位、确定性周期以及气候数据中的混合谱结构？
- 方法与思路
- 作者让控制振幅与相位的参数按分数阶噪声过程演化，并扩展至多周期分量、加性红噪声及外生变量。
- 材料陈述的贡献
- 摘要称，模型具有闭式自协方差，支持精确最大似然估计，并将确定性周期及离散谱纳入极限情形，展示两类气候应用。
- 阅读关注点
- 应核对平稳性与参数限制、闭式协方差及似然的实现，以及多分量模型中周期、红噪声与外生变量贡献如何区分。
- 阅读边界
- 所给 RePEc 出版社摘要未给出参数条件、估计精度或气候应用数值；所述解析便利不能直接推出预测表现优于其他模型。
原文摘要
The paper proposes a novel model for time series displaying persistent stationary cycles, the fractional sinusoidal waveform process. The underlying idea is to allow the parameters that regulate the amplitude and phase to evolve according to fractional noise processes. Its advantages with respect to popular alternative specifications, such as the Gegenbauer process, are twofold: the autocovariance function is available in closed form, which opens the way to exact maximum likelihood estimation; secondly, the model encompasses deterministic cycles, so that discrete spectra arise as a limiting case. A generalization of the process, featuring multiple components, an additive ‘red noise’ component and exogenous variables, provides the basic model for climate time series with mixed spectra. Our illustrations deal with the change in amplitude and phase of the intra-annual component of carbon dioxide concentrations in Mauna Loa, and with the estimation and the quantification of the contribution of orbital cycles to the variability of paleoclimate time series.