Nonparametric Modeling and Prediction for Time Series Analysis

时间序列分析的非参数建模和预测

基本信息

  • 批准号:
    9626113
  • 负责人:
  • 金额:
    $ 6.5万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Standard Grant
  • 财政年份:
    1996
  • 资助国家:
    美国
  • 起止时间:
    1996-06-15 至 1999-05-31
  • 项目状态:
    已结题

项目摘要

DMS9626113 Chen This research is concerned with nonparametric model building procedures and nonparametric prediction methods in nonlinear time series analysis. The first objective of this research is to develop a new nonparametric modeling procedure for nonlinear time series. The investigator studies the functional coefficient autoregressive models and makes the model easier to use in practice. In particular, a weighted local linear regression procedure is studied. This procedure differs from the classical local linear regression for curve fitting where the response function is of interest. Here, estimating the coefficient functions are of main interest. A procedure for detecting discontinuities in the coefficient functions is studied as well. The second objective of this research is concerned with multi-step predictions using nonparametric smoothing techniques. The investigator studies the properties of a multi-stage nonparametric predictor, which is closely related to the iterative integration procedures for multi-step prediction. Preliminary study shows that the new method does improve the accuracy of the prediction. The first goal is to show that the predictor is applicable to a wide class of nonlinear AR models. The second goal is to investigate the practical implementation of the method, particularly the automatic bandwidth selection method and prediction strategy. This research is concerned with model building procedures and prediction methods in nonlinear time series analysis. A time series is a set of data observed over a period of time. For example, daily ozone and pollutant readings for environmental study, quarterly unemployment rate or GNP for economical study and noisy telecommunication signals are all subjects of time series analysis. Time series analysis tries to reveal the generating mechanism of the observed time series and to provide sensible methods to predict future observations based on current and past information. Linear ti me series models assumes the future observations relate to the current and past observations in simple linear functions while nonlinear models assume complex relationship. In this research, the investigator follows the principle of `letting the data speak for themselves' and develops modeling procedures for nonlinear time series. It is used to overcome the difficulty encountered in real applications of choosing an appropriate model. The second objective of this research is concerned with multi-step predictions for nonlinear time series. Nonlinear time series models have been shown to have certain advantages in multi-step forecasting over linear models. In this research, the investigator studies the properties of a new predictor that improves the prediction accuracy. There are sufficient reasons to believe that the results of this research should have significant contributions in nonlinear time series analysis, which has many important applications in the fields of economics, telecommunication, meteorology, environment and many others.
DMS9626113 Chen 这项研究涉及非线性时间序列分析中的非参数模型构建过程和非参数预测方法。 本研究的第一个目标是开发一种新的非线性时间序列非参数建模程序。 研究者研究了函数系数自回归模型,并使该模型更易于在实践中使用。 特别是,研究了加权局部线性回归过程。 此过程与曲线拟合的经典局部线性回归不同,后者关注的是响应函数。 这里,估计系数函数是主要关注点。 还研究了检测系数函数不连续性的过程。 本研究的第二个目标涉及使用非参数平滑技术的多步预测。 研究者研究多阶段非参数预测器的属性,这与多步预测的迭代积分过程密切相关。 初步研究表明,新方法确实提高了预测的准确性。 第一个目标是表明预测器适用于各种非线性 AR 模型。 第二个目标是研究该方法的实际实现,特别是自动带宽选择方法和预测策略。 本研究涉及非线性时间序列分析中的模型构建过程和预测方法。 时间序列是在一段时间内观察到的一组数据。 例如,环境研究中的每日臭氧和污染物读数、经济研究中的季度失业率或国民生产总值以及嘈杂的电信信号都是时间序列分析的主题。 时间序列分析试图揭示观测到的时间序列的生成机制,并提供基于当前和过去信息预测未来观测的合理方法。 线性时间序列模型假设未来的观测值与简单线性函数中的当前和过去的观测值相关,而非线性模型则假设复杂的关系。 在这项研究中,研究者遵循“让数据自己说话”的原则,开发了非线性时间序列的建模程序。 它用于克服实际应用中选择合适模型时遇到的困难。 本研究的第二个目标涉及非线性时间序列的多步预测。非线性时间序列模型已被证明在多步预测方面比线性模型具有一定的优势。 在这项研究中,研究人员研究了一种提高预测准确性的新预测因子的特性。 有充分的理由相信,这项研究成果应该对非线性时间序列分析做出重大贡献,在经济、电信、气象、环境等领域有许多重要的应用。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Rong Chen其他文献

New perspectives on treatment strategies for patient with acute myeloid leukemia and complex karyotype abnormalities after percutaneous coronary intervention
急性髓系白血病复杂核型异常患者经皮冠状动脉介入治疗后治疗策略的新视角
  • DOI:
  • 发表时间:
    2019
  • 期刊:
  • 影响因子:
    1.6
  • 作者:
    Jie Wang;Rong Chen;Xiaoqi Lin;Yubo Wang;Jian;Yun Wu
  • 通讯作者:
    Yun Wu
Factor Models for High-Dimensional Dynamic Networks: with Application to International Trade Flow Time Series 1981-2015
高维动态网络的因子模型:应用于 1981-2015 年国际贸易流量时间序列
  • DOI:
  • 发表时间:
    2017
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Elynn Y. Chen;Rong Chen
  • 通讯作者:
    Rong Chen
Association of in-hospital use of ACE-I/ARB and COVID-19 outcomes in African American population
非裔美国人住院期间使用 ACE-I/ARB 与 COVID-19 结局的关联
  • DOI:
  • 发表时间:
    2021
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Shilong Li;R. Sarangarajan;Tomi Jun;Yu;Zichen Wang;E. Schadt;M. Kiebish;E. Granger;N. Narain;Rong Chen;E. Schadt;Li Li
  • 通讯作者:
    Li Li
A dual-functional three-dimensional herringbone-like electrode for a membraneless microfluidic fuel cell
用于无膜微流体燃料电池的双功能三维人字形电极
  • DOI:
    10.1016/j.jpowsour.2019.227058
  • 发表时间:
    2019-10
  • 期刊:
  • 影响因子:
    9.2
  • 作者:
    Zhenfei Liu;Dingding Ye;Rong Chen;Biao Zhang;Xun Zhu;Qiang Liao
  • 通讯作者:
    Qiang Liao
Spatial atomic layer deposition of ZnO/TiO2 nano-laminates
ZnO/TiO2 纳米层压材料的空间原子层沉积
  • DOI:
    10.1116/1.4955289
  • 发表时间:
    2016
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Rong Chen;Ji-Long Lin;Wen-Jie He;Chen-Long Duan;Qi Peng;Xiao-Lei Wang;Bin Shan
  • 通讯作者:
    Bin Shan

Rong Chen的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('Rong Chen', 18)}}的其他基金

ADT: i-Group Learning and i-Detect for Dynamic Real Time Anomaly Detection with Applications in Maritime Threat Detection
ADT:用于动态实时异常检测的 i-Group Learning 和 i-Detect 及其在海上威胁检测中的应用
  • 批准号:
    1737857
  • 财政年份:
    2017
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Standard Grant
BIGDATA:F: Statistical Learning with Large Dynamic Tensor Data
BIGDATA:F:利用大型动态张量数据进行统计学习
  • 批准号:
    1741390
  • 财政年份:
    2017
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Standard Grant
The fifth international workshop on Finance, Insurance, Probability and Statistics
第五届金融、保险、概率与统计国际研讨会
  • 批准号:
    1540863
  • 财政年份:
    2015
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Standard Grant
Nonlinear dynamic factor models and dynamic factor driven functional time series models
非线性动态因子模型和动态因子驱动的函数时间序列模型
  • 批准号:
    1513409
  • 财政年份:
    2015
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Continuing Grant
Collaborative Research:Modeling and Analysis of Fracture Network for Shale Gas Development and Its Environmental Impact
合作研究:页岩气开发裂缝网络建模与分析及其环境影响
  • 批准号:
    1209085
  • 财政年份:
    2012
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Continuing Grant
Analysis of Functional Time Series
函数时间序列分析
  • 批准号:
    0905763
  • 财政年份:
    2009
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Standard Grant
Collaborartive Research: Monte Carlo Study of Pseudoknotted RNA Molecules: Motifs, Structure and Folding
合作研究:假结 RNA 分子的蒙特卡罗研究:基序、结构和折叠
  • 批准号:
    0800183
  • 财政年份:
    2008
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Continuing Grant
Collaborative Research: Sequential Monte Carlo Methods and Their Applications
合作研究:序贯蒙特卡罗方法及其应用
  • 批准号:
    0073601
  • 财政年份:
    2000
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Continuing Grant
Monte Carlo Filters for Nonlinear and Non-Gaussian Dynamic Systems
用于非线性和非高斯动态系统的蒙特卡罗滤波器
  • 批准号:
    9982846
  • 财政年份:
    1999
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Standard Grant
Mathematical Sciences: Nonlinear Time Series Analysis
数学科学:非线性时间序列分析
  • 批准号:
    9301193
  • 财政年份:
    1993
  • 资助金额:
    $ 6.5万
  • 项目类别:
    Standard Grant

相似国自然基金

定制亲疏油图案与仿生微造型耦合的复合沟槽阵列表面润滑增效机理及应用
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
几何造型与机器学习融合的图像数据拟合问题研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
产能共享背景下的制造型企业运营决策研究:基于信息共享与数据质量的视角
  • 批准号:
    72271252
  • 批准年份:
    2022
  • 资助金额:
    44 万元
  • 项目类别:
    面上项目
构造型深部岩体动力灾害的孕育和发生全过程机理研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
盾构主轴承激光微造型协同相变硬化的抗疲劳机理及主动设计
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目

相似海外基金

Nonparametric Bayes Methods for Biomedical Studies
生物医学研究的非参数贝叶斯方法
  • 批准号:
    8451617
  • 财政年份:
    2009
  • 资助金额:
    $ 6.5万
  • 项目类别:
Nonparametric Bayes Methods for Biomedical Studies
生物医学研究的非参数贝叶斯方法
  • 批准号:
    8248216
  • 财政年份:
    2009
  • 资助金额:
    $ 6.5万
  • 项目类别:
Nonparametric Bayes Methods for Biomedical Studies
生物医学研究的非参数贝叶斯方法
  • 批准号:
    8049180
  • 财政年份:
    2009
  • 资助金额:
    $ 6.5万
  • 项目类别:
Nonparametric Bayes Methods for Biomedical Studies
生物医学研究的非参数贝叶斯方法
  • 批准号:
    7628797
  • 财政年份:
    2009
  • 资助金额:
    $ 6.5万
  • 项目类别:
Bayesian Statistics and Algorithms for Homology Modeling
用于同源建模的贝叶斯统计和算法
  • 批准号:
    7620459
  • 财政年份:
    2008
  • 资助金额:
    $ 6.5万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了