安东内拉·法利尼;弗朗西斯卡·马齐亚;克里斯蒂亚诺·坦博里诺 基于样条的单变量时间序列Hermite拟插值。 （英语） Zbl 1514.65017号 离散连续。戴恩。系统。，序列号。S公司 15，第12号，3667-3688（2022）. 摘要：本文介绍了一种用于单变量时间序列插补和平滑预处理的样条Hermite拟插值技术。然后将构建的模型应用于预测和异常检测。特别是对于后一种情况，提出了基于拟内插、动态连接和聚类相结合的算法。一些数值结果表明了所提技术的有效性。 引用于1文件 MSC公司： 65D07年 使用样条曲线进行数值计算 65日第10天 数值平滑、曲线拟合 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 62M20型 随机过程推断和预测 关键词：时间序列分析;样条Hermite拟插值;插补;平滑的;预测;异常检测 软件：插补TS;开放式基金;美国astsa;fpp2格式;隔离森林 PDF格式BibTeX公司 XML格式引用 \textit{A.Falini}等人，《离散Contin》。动态。系统。，序列号。S 15，编号12，3667--3688（2022；Zbl 1514.65017） 全文： 内政部 参考文献： [1] W.Aigner、S.Miksch、H.Schumann和C.Tominski，面向时间的数据可视化，施普林格科学与商业媒体，2011年。 [2] A.R.M.F.G.A.A.R.Andrisani Mininni Mazzia Settanni Iurino Tangaro Tateo Bellotti，PDE修复在磁粉成像和角膜地形图中的应用，Opuscula Mathematica，39，453-482（2019）·Zbl 1447.35311号 ·doi:10.7494/OpMath.2019.39.4.453 [3] T.L.W.Andrysik Saganowski Mazurczyk，基于自回归分数积分移动平均值的铁路关键基础设施网络异常检测，EURASIP无线通信与网络杂志，245，1-14（2016）·doi:10.1186/s13638-016-0744-8 [4] R.Armina、A.M.Zain、N.A.Ali和R.Sallehuddin，使用插补算法进行缺失值估计的综述，In物理学杂志：系列会议, 892 (2017). [5] N.L.Benlagha Noureddine，建模依赖性的时变copula方法：来自商品和标准普尔500市场的新证据，《跨国财务管理杂志》，892（2016） [6] G.E.Box、G.M.Jenkins、G.C.Reinsel和G.M.Ljung，时间序列分析：预测和控制，John Wiley&Sons，2016年·Zbl 1317.62001 [7] M.M.H.P.R.T.J.Breunig Kriegel Ng Sander，LOF：识别基于密度的局部异常值，2000年ACM SIGMOD国际数据管理会议论文集，29，93-104（2000）·doi:10.1145/342009.335388 [8] F.A.M.L.A.CalabróFalini Sampoli Sestini，基于样条拟插值的高效求积规则在IGA-BEM中的应用，计算与应用数学杂志，338153-167（2018）·Zbl 1503.65054号 ·doi:10.1016/j.cam.2018.02.005 [9] V.A.V.Chandola Banerjee Kumar，《异常检测：一项调查》，ACM计算调查（CSUR），41，1-58（2009） [10] M.P.P.H.N.R.Clements Franses Swanson，用非线性模型预测经济和金融时间序列，国际预测杂志，20169-183（2004）·doi:10.1016/j.ij预测.2003.10004 [11] W.P.G.C.Cleveland Tiao，季节时间序列的分解：普查X-11计划的模型，美国统计协会杂志，71，581-587（1976）·Zbl 0336.62077号 ·网址：10.1080/01621459.1976.10481532 [12] W.S.Cleveland，稳健局部加权回归和平滑散点图，美国统计协会杂志，74829-836（1979）·Zbl 0423.62029号 ·doi:10.1080/01621459.1979.10481038 [13] J.R.F.J.A.J.Contreras Espinola Nogales Conejo，ARIMA模型预测未来电价，IEEE电力系统交易，18，1014-1020（2003） [14] C.de Boor，样条作为B样条的线性组合，Lorentz，G.G.等人（编辑）《近似理论Ⅱ》，第1-47页。圣地亚哥学术出版社，1976年·Zbl 0343.41011号 [15] C.de Boor，花键实用指南，修订版。，施普林格，柏林，2001年·Zbl 0987.65015号 [16] C.M.G.de Boor Fix，拟插值样条逼近，J.近似理论，8，19-54（1973）·兹伯利0279.41008 ·doi:10.1016/0021-9045（73）90029-4 [17] A.M.R.J.R.D.De Livera Hyndman Snyder，使用指数平滑预测具有复杂季节模式的时间序列，美国统计协会杂志，1061513-1527（2011）·Zbl 1234.62123号 ·doi:10.1198/jasa.2011.tm09771 [18] F.Durante和C.Sempi，Copula理论原理第（1）版，查普曼和霍尔/CRC，纽约，2015年。 [19] M.H.P.J.X.Ester Kriegel Sander Xu，在有噪声的大型空间数据库中发现簇的基于密度的算法，in Kdd，96，226-231（1996） [20] A.C.T.M.L.A.Falini Giannelli KandučSampoli Sestini，基于准插值求积方案的分层B样条自适应IgA-BEM，国际。J.数字。方法工程，1171038-1058（2019）·doi:10.1002/nme.5990 [21] A.Falini、G.Castellano、C.Tamborino、F.Mazzia、R.M.Mininni、A.Appice和D.Malerba，通过稀疏非负矩阵分解和新距离测量对高光谱图像进行显著性检测，In2020年IEEE进化和自适应智能系统会议，（EAIS）（2020年），1-8。 [22] A.Falini和T.Kanduć，等几何Galerkin边界元样条拟插值求积规则研究，In几何建模和数值模拟的高级方法，美国商会施普林格。，(2019), 99-125. ·Zbl 1434.65300号 [23] A.Falini、C.Tamborino、G.Castellano、F.Mazzia、R.M.Mininni、A.Appice和D.Malerba，高光谱图像显著性检测的新重建误差，in机器学习、优化和数据科学国际会议查姆施普林格。(2020), 113-124. [24] T.Fawcett，ROC分析简介，模式识别快报，27861-874（2006）·doi:10.1016/j.patrec.2005.10.010 [25] 傅天诚，时间序列数据挖掘综述，人工智能工程应用，24164-181（2011）·doi:10.1016/j.engappai.2010.09.007 [26] M.Gavrilov、D.Angelov、P.Indyk和R.Motwani，《挖掘股票市场》（扩展摘要），哪种衡量方法最好？，在第六届ACM SIGKDD知识发现和数据挖掘国际会议记录, 2000,487-496. [27] P.J.Green和B.W.Silverman，非参数回归和广义线性模型：粗糙度惩罚方法《统计学和应用概率专著》，58。查普曼和霍尔出版社，伦敦，1994年·Zbl 0832.62032号 [28] H.S.G.A.Guiguis Felder，使用时间序列模型预测日电价的进一步进展，KIEE国际电力工程汇刊，4159-166（2004） [29] J.J.P.B.Guo Luh，为高斯径向基函数网络集群选择输入因子以改善市场清算价格预测，IEEE电力系统交易，18665-672（2003） [30] W.H.R.Härdle Lütkepohl Chen，非参数时间序列分析综述，《国际统计评论》，65，49-72（1997）·Zbl 0887.62043号 [31] T.Hastie、R.Tibshirani和J.Friedman，统计学习的要素《统计学中的斯普林格系列》。施普林格，纽约，2009年·Zbl 1273.62005年 [32] 斯米尔诺夫双样本检验的显著性概率，Ark.Mat.，3469-486（1958）·Zbl 0084.14502号 ·doi:10.1007/BF02589501 [33] R.J.Hyndman和G.Athanasopoulos，预测：原理与实践.OTexts，2018年。 [34] H.Joe，基于Copula的依赖建模《统计学和应用概率专著》，第134页。CRC出版社，佛罗里达州博卡拉顿，2015年。 [35] R.H.Jones，ARMA模型对缺失观测值时间序列的最大似然拟合，技术计量学，22389-395（1980）·兹比尔0451.62069 ·doi:10.1080/00401706.1980.10486171 [36] P.S.Kalekar，《利用holt-winters指数平滑进行时间序列预测》，坎瓦尔·雷基信息技术学院，4329081-13（2004） [37] M.G.Kendall，等级相关方法格里芬，1948年·Zbl 0032.17602号 [38] W.B.-J.E.-K.S.-K.D.Kim Choi Hong Kim Lee，脏数据分类，data Min.Knowl。发现。，7, 81-99 (2003) ·doi:10.1023/A:1021564703268 [39] F.T.Liu、K.M.Ting和Z.H.Zhou，《隔离林》，印度2008年IEEE第八届数据挖掘国际会议, (2008), 413-422. [40] F.T.K.M.Z.-H.刘廷周，基于隔离的异常检测，ACM Transactions on Knowledge Discovery from Data，6，1-39（2012）·数字对象标识代码：10.1145/2133360.2133363 [41] T.L.L.Lyche Schumaker，局部样条逼近，J.近似理论，15，294-325（1975）·Zbl 0315.41011号 ·doi:10.1016/0021-9045（75）90091-X [42] F.A.Mazzia Sestini，非均匀节点分布上的Hermite样条拟插值BS类，BIT数值数学，49，611-628（2009）·Zbl 1181.65017号 ·doi:10.1007/s10543-009-0229-9 [43] F.A.Mazzia Sestini，从BS Hermite样条拟插值下降的正交公式，J.Comput。申请。数学。，236, 4105-4118 (2012) ·Zbl 1246.65123号 ·doi:10.1016/j.cam.2012.03.015 [44] F.A.D.Mazzia Sestini Trigante，B样条多步方法及其连续扩展，SIAM J.Numer。分析。，44, 1954-1973 (2006) ·Zbl 1128.65057号 ·doi:10.1137/040614748 [45] F.A.D.Mazzia Sestini Trigante，BS非均匀网格上的线性多步方法，JNAIAM J.Numer。分析。Ind.申请。数学。，1, 131-144 (2006) ·Zbl 1120.65090号 [46] F.A.D.Mazzia Sestini Trigante，B样条线性多步方法在非均匀网格上的连续推广，应用。数字。方法。，59, 723-738 (2009) ·Zbl 1161.65057号 ·doi:10.1016/j.apnum.2008.03.036 [47] S.T.Moritz Bartz-Beielstein，ImputeTS：R，R.J.中的时间序列缺失值插补，9207-218（2017）·doi:10.32614/RJ-2017-009 [48] F.Muharemi、D.Logofătu和F.Leon，《现实世界数据集R中数据插补的一般技术和程序包综述》，in国际计算集体智能会议，2018386-395，查姆斯普林格。 [49] K.R.Müller、A.J.Smola、G.Rätsch、B.Schölkopf、J.Kohlmorgen和V.Vapnik，用支持向量机预测时间序列，In国际人工神经网络会议, 1997. 施普林格，柏林，海德堡。 [50] R.B.内尔森，联合函数概论第二版，施普林格出版公司，2006年·Zbl 1152.62030 [51] T.H.-S.K.Niimura Ko Ozawa，基于解除管制电力市场中模糊神经自回归模型的日电价预测，2002年神经网络国际联合会议论文集。IJCNN’02，2，1362-1366（2002）·doi:10.1109/IJCNN.2002.1007714 [52] P.J.M.W.Omenzetter Brownjohn，时间序列分析在桥梁监测中的应用，智能材料和结构，15，129（2006）·doi:10.1088/0964-1726/15/1/041 [53] A.J.Pattom，《非对称汇率依赖建模》，国际。经济学。修订版，10527-556（2006）·文件编号：10.1111/j.1468-2354.2006.00387.x [54] B.L.M.Ramosaj Amro Pauly，关于在配对设计中使用插补方法进行推理的警示故事，生物信息学，36，3099-3106（2020）·doi:10.1093/bioinformatics/btaa082 [55] F.J.Rohlf和R.R.Sokal，统计表，麦克米伦，1995年。 [56] P.Sablonnière，正样条算子和正交样条，J.近似理论，52，28-42（1988）·Zbl 0672.41008号 ·doi:10.1016/0021-9045（88）90035-4 [57] P.Sablonnière，单变量样条拟插值及其在数值分析中的应用，Rend。塞明。马特大学（都灵），63，211-222（2005）·Zbl 1115.41009号 [58] P.D.Sablonnière Sbibih，多项式上精确积分样条算子，近似理论应用。，10, 56-73 (1994) ·Zbl 0812.41004号 [59] X.Shao，《时间序列的自归一化：近期发展回顾》，J.Amer。统计师。协会，110，1797-1817（2015）·Zbl 1373.62456号 ·doi:10.1080/01621459.2015.1050493 [60] R.H.Shumway和D.S.Stoffer，时间序列分析及其应用第四版，Springer，Cham，2017年·Zbl 1367.62004号 [61] M.Sklar，Répartitioná\（n\）Dimensions et Leurs Marges的函数，出版物。仪器统计。巴黎大学，8（1959），229-231·Zbl 0100.14202号 [62] M.K.P.C.Y.T.So Yeung，具有动态条件依赖的Vine-copula GARCH模型，计算。统计师。数据分析。，76, 655-671 (2014) ·Zbl 1506.62170号 ·doi:10.1016/j.csda.2013.08.008 [63] M.Teng，时间序列的异常检测，2010年IEEE信息学和计算进展国际会议，1，603-608（2010） [64] H.泰尔，经济预测和政策，北荷兰出版社。公司，1961年。 [65] H.泰尔，应用经济预测，北荷兰出版社。公司，1971年。 [66] G.S.Watson，平滑回归分析，Sankhyá：印度统计杂志，A辑，26，359-372（1964）·Zbl 0137.13002号 [67] C.D.Y.X.C.W.J.B.H.N.V.Zhang Song Chen Feng Lumezanu Cheng Ni Zong Chen Chawla，用于多变量时间序列数据中无监督异常检测和诊断的深度神经网络，AAAI人工智能会议论文集，331409-1416（2019）·doi:10.10609/aaai.v33i01.33011409文件 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。