Singular Spectrum Analysis
Singular Spectrum Analysis (SSA) is een niet-parametrische methode voor tijdreeksdecompositie en -voorspelling, gebaseerd op singuliere-waardedecompositie (SVD) van een tijdvertragde inbeddingsmatrix. Geïntroduceerd door Broomhead en King (1986) en verder ontwikkeld door Vautard, Yiou en Ghil (1992), ontleedt SSA tijdreeksen in trend-, oscillatie- en ruiscomponenten zonder enige onderliggende modelaanname. Het is bijzonder effectief voor korte, ruisige niet-stationaire signalen waar parametrische benaderingen falen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Singular Spectrum Analysis. ScholarGate. https://scholargate.app/nl/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.
- Onafhankelijke Componentenanalyse (ICA)Machine learning↔ compare
- Kernel PCAMachine learning↔ compare
- Singuliere-Waarde-DecompositieNumerieke methoden↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →