تحلیل طیف منفرد
تحلیل طیف منفرد (SSA) یک روش ناپارامتری برای تجزیه و پیشبینی سریهای زمانی است که بر اساس تجزیه مقدار منفرد (SVD) یک ماتریس تعبیه با تأخیر زمانی عمل میکند. این روش که توسط Broomhead و King (1986) معرفی و توسط Vautard، Yiou و Ghil (1992) توسعه یافت، سریهای زمانی را بدون فرض هیچ مدل زیربنایی به مؤلفههای روند، نوسانی و نویز تجزیه میکند. این روش به ویژه برای سیگنالهای کوتاه، نویزدار و ناایستا که رویکردهای پارامتری در آنها ناموفق هستند، مؤثر است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Singular Spectrum Analysis. ScholarGate. https://scholargate.app/fa/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.
- تحلیل مؤلفههای مستقل (ICA)یادگیری ماشین↔ compare
- تحلیل مؤلفههای اصلی کرنل (Kernel PCA)یادگیری ماشین↔ compare
- تجزیه مقادیر منفردروشهای عددی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →