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.
Запис джерела
Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.
- 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
Відібрані твердження
Твердження збережено в журналі доказів, кожне зі своєю оцінкою.
Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.
Пов'язані методи
Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.