.png){kind=icon}
.png){kind=icon}
返回
Expectile periodogram
.png){kind=icon}
PRE
AI
DOI：10.1016/j.csda.2025.108337.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种新颖的类周期图函数，称为期望分位数周期图（EP），用于建模时间序列的频谱特征并检测隐藏的周期性。EP基于三角期望分位数回归（ER）构建，其中使用专门设计的损失函数替代导致普通周期图的平方l(2)范数。EP保留了普通周期图作为时间序列序列依赖性的频域表示的关键属性，同时通过考察整个期望分位数水平的范围提供更全面的了解。建立了渐近理论以研究EP与所谓的期望分位数谱之间的关系。模拟结果表明，在存在隐藏周期性时EP的有效性。此外，通过利用EP固有的二维特性，我们训练了一个深度学习模型来分类地震波形数据。值得注意的是，我们的方法在分类精度方面优于基于周期图的其他方法。
Keyword:
Expectile regression
Hidden periodicity
Periodogram
Spectral analysis
Time series analysis
期刊
C
IF:
1.6
论文数:
43
被引数:
0