Singular Spectrum Analysis
Singular Spectrum Analysis (SSA) on ei-parametrinen menetelmä aikasarjojen hajottamiseen ja ennustamiseen. Se perustuu aikaviivästetyn upotusmatriisin (time-lagged embedding matrix) singulaariarvohajotelmaan (SVD). Broomheadin ja Kingin (1986) esittelemä ja Vautardin, Yioun ja Ghilin (1992) edelleen kehittämä SSA hajottaa aikasarjat trendi-, oskillaatio- ja kohinakomponentteihin olettamatta mitään taustalla olevaa mallia. Se on erityisen tehokas lyhyille, kohinaisille ja epästationaarisille signaaleille, joissa parametriset lähestymistavat epäonnistuvat.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Singular Spectrum Analysis. ScholarGate. https://scholargate.app/fi/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.
- Riippumattomien komponenttien analyysi (ICA)Koneoppiminen↔ compare
- Kernel PCAKoneoppiminen↔ compare
- Singular Value DecompositionNumeeriset menetelmät↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →