CaterpillarSSA được thiết kế để phân tích và dự báo chuỗi thời gian một chiều và đa chiều.
Tùy chọn mua hàng:
- Phiên bản tiêu chuẩn (Phân tích chuỗi thời gian một chiều, mô-đun: 1).
- Phiên bản F tiêu chuẩn (Phân tích và dự báo chuỗi thời gian một chiều, mô-đun: 1, 2).
- Phiên bản M tiêu chuẩn (Phân tích chuỗi thời gian một chiều và đa chiều, mô-đun: 1, 4).
- Phiên bản MF tiêu chuẩn (Phân tích và dự đoán chuỗi thời gian một chiều và đa chiều, các mô-đun: 1, 2, 4).
Mô-đun :
1. Phân tích chuỗi thời gian một chiều
- Phân hủy chuỗi thời gian một chiều thành các bộ ba riêng bao gồm các giá trị riêng, vectơ riêng và các thành phần chính.
- Một biểu diễn đồ họa thuận tiện để xác định tương tác các bộ ba của riêng bạn tương ứng với xu hướng, các thành phần định kỳ (tuần hoàn) và nhiễu.
- Nhóm các bộ ba nội tại, dẫn đến sự phân hủy hoàn toàn của chuỗi thời gian thành các thành phần phụ gia.
- Khôi phục (trích xuất) các thành phần chuỗi thời gian (các thành phần xu hướng, dao động và tuần hoàn) bằng cách chọn bộ ba thích hợp.
- Phân tích dư lượng.
2. Dự báo chuỗi thời gian một chiều
- Xấp xỉ (cục bộ và toàn cục) của một chuỗi thời gian được kiểm soát bởi LRF (công thức lặp lại tuyến tính).
- Dự báo một chuỗi bằng cách sử dụng các tùy chọn dự báo vectơ và định kỳ.
- Khả năng phân tích công thức lặp lại được sử dụng để dự báo định kỳ.
- Xây dựng khoảng tin cậy bằng hai phương pháp: thực nghiệm và bootstrap.
3. Phát hiện rối loạn trong cấu trúc của chuỗi thời gian một chiều
- Phát hiện rối loạn bằng cách so sánh cấu trúc được phát hiện bằng phương pháp “Caterpillar” -SSA tại cơ sở và các vị trí thử nghiệm.
4. Xử lý chuỗi thời gian đa chiều
- Phân hủy đồng thời một số chuỗi thời gian thành các bộ ba riêng chung (giá trị riêng, vectơ riêng và các thành phần chính).
- Một biểu diễn đồ họa thuận tiện để xác định bộ ba của riêng bạn, tương ứng với các thành phần xu hướng, định kỳ và nhiễu chung cho tất cả các chuỗi.
- Nhóm các bộ ba riêng, dẫn đến sự phân hủy đồng thời của tất cả các chuỗi được phân tích thành các thành phần phụ gia chung.
- Khôi phục (trích xuất) các thành phần thời gian phổ biến (xu hướng, biến động, tạp chí định kỳ) bằng cách chọn bộ ba của riêng bạn.
- Xây dựng dự báo chuỗi đa chiều bằng cách sử dụng các tùy chọn dự báo vectơ và định kỳ.
