Singular Spectrum Analysis
Singular Spectrum Analysis (SSA) is a nonparametric method for time-series decomposition and forecasting based on singular value decomposition (SVD) of a time-lagged embedding matrix. Introduced by Broomhead and King (1986) and developed further by Vautard, Yiou, and Ghil (1992), SSA decomposes time series into trend, oscillatory, and noise components without assuming any underlying model. It is particularly effective for short, noisy non-stationary signals where parametric approaches fail.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
- 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. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.