Time series AR modeling with missing observations based on the polynomial transformation
Time series AR modeling with missing observations based on the polynomial transformation
复制标题
基于多项式变换的缺失观测时间序列 AR 建模
DOI：
10.1016/j.mcm.2009.11.016
复制
发表时间：
2010-03
影响因子：
--
通讯作者：
Chen, Xiaoming
中科院分区：
文献类型：
--
作者：
Ding, Jie;Han, Lili;Chen, Xiaoming
研究了具有缺失观测值的自回归时间序列模型的参数估计问题。标准的估计算法不能应用于这样的AR模型与丢失的观察。利用多项式变换技术将AR模型转化为可从稀疏观测值中辨识的模型，然后提出了扩展随机梯度算法来拟合含有缺失观测值的时间序列。分析了算法的收敛性，并通过一个算例验证了结论。
This paper focuses on parameter estimation problems of auto-regression (AR) time series models with missing observations. The standard estimation algorithms cannot be applied to such AR models with missing observations. The polynomial transformation technique is employed to transform the AR models into models which can be identified from available scarce observations, then the extended stochastic gradient algorithm is proposed to fit the time series with missing observations. The convergence properties of the proposed algorithm are analyzed and an example is given to test and illustrate the conclusions in the paper.
登录
查看更多内容
影响因子：
3.7
作者：
D. Rubin
通讯作者：
D. Rubin
DOI：
--
发表时间：
2008
期刊：
Science Technology and Engineering
影响因子：
--
作者：
Ding Feng
通讯作者：
Ding Feng
DOI：
10.1016/j.mcm.2006.02.013
发表时间：
2006-11
期刊：
Math. Comput. Model.
影响因子：
--
作者：
I. Fortes;Llanos Mora López;R. Morales;F. Ruiz
通讯作者：
I. Fortes;Llanos Mora López;R. Morales;F. Ruiz
DOI：
10.1109/tsmca.2008.923030
发表时间：
2008-07-01
影响因子：
--
作者：
Ding, Feng;Liu, Peter X.;Yang, Huizhong
通讯作者：
Yang, Huizhong
DOI：
10.1016/j.amc.2009.07.012
发表时间：
2009-10
期刊：
Appl. Math. Comput.
影响因子：
--
作者：
Yanjun Liu;Yongsong Xiao;Xueliang Zhao
通讯作者：
Yanjun Liu;Yongsong Xiao;Xueliang Zhao