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.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.