کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8919549 1642895 2017 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Functional time series forecasting with dynamic updating: An application to intraday particulate matter concentration
ترجمه فارسی عنوان
پیش بینی سری های کاربردی با به روز رسانی دینامیکی: برنامه ای برای تمرکز ذرات جامد روزانه
ترجمه چکیده
داده های محیطی اغلب به صورت مجموعه ای از منحنی ها مشاهده می شود که به طور متوالی در طول زمان مشاهده می شود. یک مثال از این شامل منحنی اندازه گیری آلودگی روزانه است که غلظت یک ذره در هوا را توصیف می کند. این منحنی ها را می توان به عنوان یک سری زمانی از توابع مشاهده شده در فواصل به همان اندازه فاصله بیش از یک شبکه متراکم دیده می شود. ماهیت دادههای ابعادی، به دلیل لقب بعدی ابعاد، به واسطه ی یک جنبه آماری، چالش هایی را بوجود می آورد، اما همچنین فرصتی برای تجزیه و تحلیل یک منبع غنی از اطلاعات برای درک بهتر تغییرات پویای در فواصل زمانی کوتاه . روش های آماری برای پیش بینی غلظت روزانه روزانه مواد مغذی پیش بینی شده و مقادیر آن را مقایسه می کنند. به عنوان داده های جدید به طور پیوسته مشاهده شده است، روش های به روز رسانی پویا برای پیش بینی پیش بینی های نقطه و فاصله برای به دست آوردن دقت بهتر پیشنهاد شده است. این روش های پیش بینی شده از طریق مطالعه تجربی از غلظت نیم ساعته ذرات هوا در گراتس اتریش معتبر است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
Environmental data often take the form of a collection of curves observed sequentially over time. An example of this includes daily pollution measurement curves describing the concentration of a particulate matter in ambient air. These curves can be viewed as a time series of functions observed at equally spaced intervals over a dense grid. The nature of high-dimensional data poses challenges from a statistical aspect, due to the so-called “curse of dimensionality”, but it also poses opportunities to analyze a rich source of information to better understand dynamic changes at short time intervals. Statistical methods are introduced and compared for forecasting one-day-ahead intraday concentrations of particulate matter; as new data are sequentially observed, dynamic updating methods are proposed to update point and interval forecasts to achieve better accuracy. These forecasting methods are validated through an empirical study of half-hourly concentrations of airborne particulate matter in Graz, Austria.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Econometrics and Statistics - Volume 1, January 2017, Pages 184-200
نویسندگان
,