摘要
本文介绍了使用福克斯新闻网站的流量对连续网络流量数据进行建模、监控和预测的策略。在我们的分析中,我们考虑了一系列泊松-伽马状态空间(PGSS)模型,这些模型可以准确量化网络流量数据显示的不确定性,可以为高频时间间隔提供快速的顺序监测和预测机制,并且在存在结构断裂时在计算上是可行的。因此,我们扩展了PGSS模型家族,以包括状态增强(sa-)PGSS模型,该模型的状态演化结构是灵活的,并且能够响应突然的变化。这种适应性是通过用时变贴现因子的附加状态变量来增加PGSS模型的状态向量来实现的。我们开发了一种有效的基于粒子的估计程序,适用于序列分析,使我们能够通过闭合形式的条件充分统计来估计动态状态变量和静态参数。我们将PGSS系列模型的性能与文献中的可行替代方案进行了比较,并认为,特别是在存在结构断裂的情况下,我们提出的方法在保持计算可行性的同时,产生了优越的序列模型拟合和预测性能。我们通过设计模拟潜在网络流量数据模式的模拟研究来提供更多见解。
资金筹措表
第一位作者得到了日本科学促进会(JSPS KAKENHI)17K17659号拨款的支持。
致谢
作者感谢编辑、副编辑和匿名推荐人的宝贵意见。
引用
下载引文
考鲁·艾琳。
克里斯·格林。
特夫菲克·阿克特金。
流式web流量数据的顺序建模、监控和预测
Ann.应用。斯达。
16
(1)
300 - 325,
2022年3月。
https://doi.org/10.1214/21-AOAS1505
问询处
收到日期:2019年3月1日;修订日期:2021年4月1日;发布日期:2022年3月
欧几里德项目首次提供:2022年3月28日
数字对象标识符:10.1214/21-AOAS1505
关键词:count数据,高频,泊松伽马,序贯蒙特卡罗,Web流量
版权所有©2022数学统计研究所