非平稳周期时间序列的贝叶斯模型搜索
统计方法学
2019-05-30 v3
摘要
我们提出了一种用于分析具有振荡行为的非平稳时间序列的贝叶斯新方法。我们使用具有未知周期的分段振荡模型来近似时间序列，其目标是估计变点，同时识别数据中潜在变化的周期。我们提出的方法基于一个跨维马尔可夫链蒙特卡洛（MCMC）算法，该算法同时更新变点以及与变点之间任意段相关的周期。我们表明，所提出的方法在两个与电子健康和睡眠研究相关的应用中成功识别了时变振荡行为，即夜间休息期间人体皮肤温度中超日振荡的出现，以及体积描记呼吸轨迹中睡眠呼吸暂停事件的检测。
引用
@article{arxiv.1810.09996,
title = {Bayesian Model Search for Nonstationary Periodic Time Series},
author = {Beniamino Hadj-Amar and Bärbel Finkenstädt and Mark Fiecas and Francis Levi and Robert Huckstepp},
journal= {arXiv preprint arXiv:1810.09996},
year = {2019}
}
备注
Received 23 Oct 2018, Accepted 12 May 2019