评估合成时间序列数据

这部分内容有帮助吗？

参考文献

Time Series Analysis: Forecasting and Control, George E. P. Box, Gwilym M. Jenkins, Gregory C. Reinsel, Greta M. Ljung, 2015 (John Wiley & Sons) - 提供时间序列分析的基础理论，包括自相关、偏自相关、互相关以及ARIMA等模型，这些对于理解时间依赖性至关重要。
Forecasting: Principles and Practice, Rob J Hyndman, George Athanasopoulos, 2021 (OTexts) - 一个优秀的免费资源，涵盖时间序列预测的实际方面，包括季节-趋势分解（STL）、各种预测方法和效用评估。
Time-series Generative Adversarial Networks (TimeGAN): A Way to Simulate Diverse Time-series Datasets, Jinsung Yoon, Daniel Jarrett, Mihaela van der Schaar, 2019 Advances in Neural Information Processing Systems, Vol. 32 (NeurIPS) DOI: 10.5555/3454287.3455243 - 介绍了一种生成合成时间序列的方法，并提供了评估合成时间序列数据质量和效用的框架，包括统计比较和预测效用。
Introduction to Time Series and Forecasting, Peter J. Brockwell, Richard A. Davis, 2016 (Springer International Publishing) DOI: 10.1007/978-3-319-29854-2 - 一本全面的时间序列分析教材，涵盖谱分析，这对于理解和比较功率谱密度（PSD）特征至关重要。