基于广义 k 近邻算法的随机时序数据升尺度方法
统计方法学
2021-02-10 v1 概率论
摘要
本文考虑了三种时序数据升尺度方法，可统称为广义 k 近邻（GkNN）方法。考察了 GkNN 对逐月产量模拟的精度（其中“产量”一词表示因变量）。引入了最终良分布时间序列的概念，并基于此假设计算了 GkNN 模拟中年平均产量及其方差的一些性质。确定了规划期内的总产量，描述了基于随机相关时间序列概念的 GkNN 算法通用框架，并证明在训练集足够大时，GkNN 模拟具有与训练数据相同的统计性质。以给定月度气候数据模拟雨水箱产量的问题为例说明了该方法的应用。
引用
@article{arxiv.1810.10520,
title = {Stochastic temporal data upscaling using the generalized k-nearest neighbor algorithm},
author = {John Mashford},
journal= {arXiv preprint arXiv:1810.10520},
year = {2021}
}
备注
Published in International Journal of Stochastic Analysis