Forecasting stochastic processes using singular spectrum analysis: Aspects of the theory and application

این مقاله نتایج نظری را در مورد خواص پیش بینی های به دست آمده از طریق استفاده از تحلیل طیف منحصر به فرد برای پیش بینی سری زمانی ارائه می دهد که اجرای فاکتورهای تصادفی است. میانگین اشتباه پیش بینی مربعات مربع در شرایط منظم و منظم مشتق شده است و نشان داده شده است که در عمل، پیش بینی های به دست آمده به همتایان خود گروه همگرا هم بستگی دارند. نتایج نظری با بررسی پیشنهادهای تحلیل طیف اختصاصی در هنگام استفاده از فرایندهای خودکارآمدی و یک فرایند راه رفتن تصادفی، نشان داده شده است. آزمایشات شبیه سازی نشان می دهد که خواص آسیمپتیکی توسعه یافته در رفتار نمونه های مشاهده شده منعکس شده است. برنامه های تجربی با استفاده از داده های دنیای واقعی نشان می دهد که پیش بینی های مبتنی بر تحلیل طیف منحصر به فرد رقابتی با سایر روش های در حال حاضر در ریاضی است.