Radar mondial UDTR

UDTR — Radar mondial des droits de la Nature

Registre documentaire des références détectées à travers les infrastructures académiques, juridiques et institutionnelles surveillées par UDTR.

Une infrastructure documentaire mondiale conçue pour atteindre la couverture la plus large, vérifiable et scientifiquement défendable des droits de la Nature.

← Retour au Radar

Modeling cyclostationarity in time series using ASCA

Identification

Clé publique
radar:r-1f0b483e609ce9efd1de86734194f6ff
Auteurs
Vallejo-España, Daniel · Sánchez, Jesús García · Villar-Argaiz, Manuel · De Linares, Concepción · Camacho, José
Année déclarée
2026
Langue déclarée
und
Type source
Preprint
Première détection
2026-11-13T08:57:04.098850+00:00
Dernière observation des métadonnées
2026-11-13T08:57:04.098850+00:00
Dernière vérification HTTP
Non effectuée

Résumé documentaire — langue originale

Modern data analysis across diverse disciplines increasingly relies on time series. Many of these datasets exhibit cyclostationarity, where patterns approximately repeat in a regular manner, often across multiple time scales, such as daily, weekly or yearly cycles. In this context, statistical inference is essential to distinguish genuine underlying effects from random variability. While tools like Analysis of Variance (ANOVA) provide such inference, they often lack interpretability and struggle with the complexities of multivariate data. To address these limitations, we propose a unified pipeline for the exploratory analysis of cyclostationary times series using ANOVA Simultaneous Component Analysis (ASCA). ASCA is an extension of ANOVA that is able to work in both univariate and multivariate cases. Combining inference with the visualization capabilities of Principal Component Analysis (PCA), ASCA provides powerful options for interpretability. ASCA's capabilities have been well-established in the analysis of experimental data, but they remain largely unexplored for observational data like time series. Our workflow introduces an algorithmic approach to modeling time-dependent data using ASCA, enabling control over multiple cyclostationary time scales while also accounting for the specific challenges of this type of data, such as autocorrelation. Furthermore, we observed that ASCA provides a better separation of variability across factors than ANOVA in unbalanced designs due to its multivariate nature. We demonstrate the efficacy of this methodology through two real-world case studies: water temperature trends in mountain lakes in Sierra Nevada, Spain, and airborne pollen trends over 30 years recorded in the city of Granada, Spain.

Identifiants

DOI
10.48550/arxiv.2603.05065
ARXIV
2603.05065

Repères documentaires

Famille documentaire
unknown
Types déclarés par les sources
Preprint
Éditeurs
arXiv

Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.

Sources

DataCite · Document 1

Citer cette référence

Vallejo-España, Daniel; Sánchez, Jesús García; Villar-Argaiz, Manuel; De Linares, Concepción; Camacho, José. Modeling cyclostationarity in time series using ASCA. 2026. https://doi.org/10.48550/arxiv.2603.05065

JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·

APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.

APA
Vallejo-España, Daniel; Sánchez, Jesús García; Villar-Argaiz, Manuel; De Linares, Concepción; Camacho, José. (2026). Modeling cyclostationarity in time series using ASCA. https://doi.org/10.48550/arxiv.2603.05065
Chicago
Vallejo-España, Daniel; Sánchez, Jesús García; Villar-Argaiz, Manuel; De Linares, Concepción; Camacho, José. Modeling cyclostationarity in time series using ASCA. 2026. https://doi.org/10.48550/arxiv.2603.05065
ISO 690
Vallejo-España, Daniel; Sánchez, Jesús García; Villar-Argaiz, Manuel; De Linares, Concepción; Camacho, José. Modeling cyclostationarity in time series using ASCA. 2026. https://doi.org/10.48550/arxiv.2603.05065

Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31

UDTR — Bibliothèque juridique mondiale des droits de la Nature. Modeling cyclostationarity in time series using ASCA. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-1f0b483e609ce9efd1de86734194f6ff/ · Dernière vérification HTTP : non effectuée

Signaler une correction

Données de cette version figée

Dossiers et relations documentaires

Rôles des sources

Source bibliographique / publication d’origine · https://arxiv.org/abs/2603.05065

Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.

Statut documentaire

Pertinence à examiner

Bibliothèque

Cette identité n’est pas encore intégrée à la Bibliothèque juridique.

UDTR — Bibliothèque juridique mondiale des droits de la Nature