Ανάλυση Ιδιαζόντων Φασμάτων
Η Ανάλυση Ιδιαζόντων Φασμάτων (SSA) είναι μια μη παραμετρική μέθοδος για την αποσύνθεση και πρόβλεψη χρονοσειρών, βασισμένη στην ανάλυση ιδιάζουσας τιμής (SVD) ενός ενσωματωμένου πίνακα με χρονική υστέρηση. Εισήχθη από τους Broomhead και King (1986) και αναπτύχθηκε περαιτέρω από τους Vautard, Yiou, και Ghil (1992). Η SSA αποσυνθέτει τις χρονοσειρές σε συνιστώσες τάσης, ταλάντωσης και θορύβου χωρίς να υποθέτει κανένα υποκείμενο μοντέλο. Είναι ιδιαίτερα αποτελεσματική για βραχέα, θορυβώδη μη στάσιμα σήματα όπου οι παραμετρικές προσεγγίσεις αποτυγχάνουν.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Broomhead, D. S., & King, G. P. (1986). Extracting qualitative dynamics from experimental data. Physica D: Nonlinear Phenomena, 20(2–3), 217–236. DOI: 10.1016/0167-2789(86)90031-X ↗
- Vautard, R., Yiou, P., & Ghil, M. (1992). Singular-spectrum analysis: A toolkit for short, noisy chaotic signals. Physica D: Nonlinear Phenomena, 58(1–4), 95–126. DOI: 10.1016/0167-2789(92)90103-T ↗
- Golyandina, N., Nekrutkin, V., & Zhigljavsky, A. (2001). Analysis of Time Series Structure: SSA and Related Techniques. Chapman and Hall/CRC. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Singular Spectrum Analysis. ScholarGate. https://scholargate.app/el/time-series/singular-spectrum-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Ανάλυση Ανεξάρτητων Συνιστωσών (ICA)Μηχανική Μάθηση↔ compare
- Ανάλυση Κύριων Συνιστωσών με Πυρήνα (Kernel PCA)Μηχανική Μάθηση↔ compare
- Ανάλυση Ιδιαζουσών ΤιμώνΑριθμητικές Μέθοδοι↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →