| 研究課題/領域番号 |
20K11719
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60030:統計科学関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
劉 言 早稲田大学, 理工学術院, 専任講師 (10754856)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 時空間データ / 局所的統計解析 / 局所グレンジャー因果性 / 時変スペクトル / 予測誤差 / 高次漸近論 / 長期記憶モデル / 非線形時系列 |
|---|
| 研究成果の概要 |
時空間データが簡単に取得できるようになった昨今、その複雑な構造を統計的に解析することが重要になってきている。従来の時系列解析では、定常過程の統計解析が主な研究対象であった。それに対し、本研究では、時空間データの局所構造に着目し、新たな統計解析手法を提案する。これは一種の高次元的統計解析であり、チャレンジングな課題である。 ３年間の研究では、局所的な複雑構造を捉えるため、カーネルによる重み付きホイットル尤度法を提案し、その漸近論を展開した。さらに、局所グレンジャー因果性の検定を、脳波データへ応用し、脳波間のグレンジャー因果性変化を捉え、癲癇患者の脳波間にある時間変化がを初めて明らかにした。
|
| 自由記述の分野 |
数理統計学、統計科学、時系列解析
|
| 研究成果の学術的意義や社会的意義 |
ビッグデータ時代の到来により、大規模なデータでも簡単に取得できるようになった。降雨量等の環境学データ、生物学データ、経済データや金融データ等多くの場合、時空間データとなっている。このような大規模な時空間データは往々にして、不規則で非定常性が伴う。本研究は局所的に複雑な構造をもつ時空間データの数理理論を展開する。従来の主な予測モデルがブラックボックス・モデリングを利用しており、定常性やエルゴード性等予測性能に関係しているにもかかわらず、社会的にそのデータ分析手法が広く展開されつつある。本研究で展開する理論を通して、すでに開始している自動車産業との「将来予測技術」の共同研究への応用も期待できる。
|
