Singular Spectrum Analysis
Singular Spectrum Analysis (SSA) เป็นวิธีการนอนพาราเมตริกสำหรับการแยกส่วนและพยากรณ์อนุกรมเวลา โดยอาศัยการแยกค่าเอกฐาน (singular value decomposition - SVD) ของเมทริกซ์การฝังตัวแบบเหลื่อมเวลา (time-lagged embedding matrix) SSA ซึ่งถูกนำเสนอโดย Broomhead และ King (1986) และพัฒนาต่อโดย Vautard, Yiou, และ Ghil (1992) จะแยกอนุกรมเวลาออกเป็นส่วนประกอบของแนวโน้ม (trend) ส่วนประกอบที่เป็นวัฏจักร (oscillatory) และส่วนประกอบของสัญญาณรบกวน (noise) โดยไม่ต้องสมมติแบบจำลองพื้นฐานใดๆ วิธีการนี้มีประสิทธิภาพอย่างยิ่งสำหรับสัญญาณที่สั้น มีสัญญาณรบกวน และไม่คงที่ (non-stationary) ซึ่งวิธีการแบบพาราเมตริกมักล้มเหลว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Singular Spectrum Analysis. ScholarGate. https://scholargate.app/th/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.
- การวิเคราะห์องค์ประกอบอิสระ (Independent Component Analysis - ICA)การเรียนรู้ของเครื่อง↔ compare
- Kernel PCAการเรียนรู้ของเครื่อง↔ compare
- การแยกตัวประกอบค่าเอกฐานระเบียบวิธีเชิงตัวเลข↔ compare