BASTION: A Bayesian Framework for Trend and Seasonality Decomposition
创建于 更新于
摘要
本论文提出 BASTION：一种基于贝叶斯的自适应趋势与多重季节性分解框架，结合惩罚化非参数回归与全局-局部（horseshoe）收缩先验以在存在突变、异常值和时变波动时实现稳健且局部自适应的趋势/季节性估计；此外，给出分解可辨识性的严格条件并通过模拟与实证（航空客流、纽约电力负荷）验证 BASTION 在估计精度与置信区间校准上的优势，且实现可线性扩展的 Gibbs 采样算法并以 R 包形式开源 [page::0][page::2][page::4][page::6][page::8]
