里！垦！！！竺！１２１里！里２型尘１２１１兰！１２里竺！！！坚坚竖！！里竺！兰塑！！

ｓｅｒｉｅｓｄａｔａｐｒｅ－ｐｒｏｃｅｓｓｉｎｇ，ｔｏｔｈｅｌａｓｔｓｔｅｐ，ｔｈｅｉｎｔｅｒｐｒｅｔａｔｉｏｎａｎｄｅｖａｌｕａｔｉｏｎｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ．Ｉｎｅｖｅｒｙｓｔｅｐ，ｔｈｅａｕｔｈｏｒｃｏｍｂｓｔｈｅｅｘｉｓｔｉｎｇｒｅｓｅａｒｃｈ，ｔｅｓｔｓｔｈｅｒｅｌａｔｉｖｅｔｈｅｏｒｅｔｉｃａｌｍｏｄｅｌｓ，ｏｆｆｅｒｓｉｍｐｒｏｖｅｍｅｎｔａｎｄｐｒｏｖｅｓｉｔ．Ｂｅｃａｕｓｅｔｈｅｍｉｎｉｎｇｏｆｍｕｌｔｉｖａｒｉａｔｅｔｉｍｅｓｅｒｉｅｓｉｓａｈｏｔｉｓｓｕｅ，ｔｈｅａｕｔｈｏｒｄｉｓｃｕｓｓｅｓｉｔｉｎｔｈｅｌａｓｔ

ｃａｎｐａｒｔ．Ｔｈｅｉｎｎｏｖａｔｉｏｎｓｏｆｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｂｅｉｎｃｌｕｄｅｄａｓｆｏｌｌｏｗｓ．

（１）Ｉｎｔｉｍｅｓｅｒｉｅｓｄａｔａｐｒｅ—ｐｒｏｃｅｓｓｉｎｇ，ｔｈｅａｕｔｈｏｒｐｕｔｓｆｏｒｗａｒｄｓｒｅｃｏｇｎｉｔｉｏｎ

ｏｎｍｅｔｈｏｄｏｆｏｕｔｌｉｅｒｎｏｉｓｅｄａｔａｂａｓｅｄｄａｔａｖａｒｉａｎｃｅｒａｔｉｏ．Ｔｉｍｅｓｅｒｉｅｓｕｓｕａｌｌｙ

ｃｏｎｔａｉｎｓｎｏｉｓｅｄａｔａ，ｗｈｉｃｈｗｉｌｌａｆｆｅｃｔｔｈｅｍｉｎｉｎｇｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ＳＯｉｔｓｈｏｕｌｄｂｅｃｌｅａｎｅｄｏｕｔｂｅｆｏｒｅｍｉｎｉｎｇ．Ｂｅｃａｕｓｅｔｉｍｅｓｅｒｉｅｓｃｏｍｐｒｅｓｓｉｏｎｉｓｉｎｔｏｌｅｒａｎｔｔｏｏｕｔｌｉｅｒｎｏｉｓｅｄａｔａ，ｍｅａｎｗｈｉｌｅｔｈｅｅｘｉｓｔｅｎｃｅｏｆｏｕｔｌｉｅｒｗｉｌｌａｆｆｅｃｔｔｈｅｄｉｖｉｓｉｏｎｏｆｔｉｍｅｓｅｒｉｅｓａｎｄｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｔｉｍｅｓｅｒｉｅｓｐａｔｔｅｒｎｓ，ＳＯｉｄｅｎｔｉｆｙｉｎｇａｎｄｄｅｌｅｔｉｎｇｔｈｅｏｕｔｌｉｅｒｉｎｔｉｍｅｓｅｒｉｅｓｗｉｌｌｂｅｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｗｏｒｋｓｉｎｔｉｍｅｓｅｒｉｅｓｄａｔａ

ｏｎｐｒｅ ｐｒｏｃｅｓｓｉｎｇ．Ｗｈｅｔｈｅｒ

ｓｕｒｒｏｕｎｄｉｎｇｄａｔａ．Ｔｈｅ

ｅｓｔｉｍａｔｅｔｈｅａｄａｔｕｍｉｓｔｈｅｏｕｔｌｉｅｒ，ｄｅｐｅｎｄｓＵＳｅＳｉｔｓｖｉｂｒａｎｃｙｗｉｔｈａｕｔｈｏｒｄａｔａｖａｒｉａｎｃｅｒａｔｉｏｏｆｔｉｍｅｓｅｒｉｅｓｄａｔａｔｏｖｉｂｒａｎｃｙ，ａｎｄｔｈｅｎｏｆｆｅｒｓｒｅｃｏｇｎｉｔｉｏｎｏｆｏｕｔｌｉｅｒｎｏｉｓｅｄａｔａ．

（２）Ｉｎ

ｄｉｓｔａｎｃｅ

ｂｒｉｎｇｓｔｉｍｅｓｅｒｉｅｓａｎｄｓｉｍｉｌａｒｉｔｙｍｅａｓｕｒｅ，ｔｈｅａｕｔｈｏｒｃｏｍｅｓｕｐｗｉｔｈＥｕｃｌｉｄｍｅｔｈｏｄｔｏｍｅａｓｕｒｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｔｗｏｄｙｎａｍｉｃｔｉｍｅｗａｒｐｉｎｇｍｅｔａ—ｐａｔｔｅｒｎｓａｎｄ，ａｎｄａｌｓｏｆｏｒｗａｒｄｄｉｓｔａｎｃｅｍｅａｎｓｔｏｍｅａｓｕｒｅｔｈｅｓｉｍｉｌａｒｉｔｙｏｆｔＷＯｔｉｍｅｓｅｒｉｅｓｐａｔｔｅｒｎｓ．Ｉｎｍｉｎｉｎｇｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ｔｈｅｍｅｔａ ｐａｔｔｅｒｎｍｏｎｏｔｏｎｙｄｉｓｔａｎｃｅｍｅｔｈｏｄ

ｎｏｔｓｕｉｔａｂｌｅａｎｄｔｈｅｍｅｔａ－ｐａｔｔｅｒｎｖｅｃｔｏｒｄｉｓｔａｎｃｅｍｅｔｈｏｄｂｏｔｈａｒｅｆｏｒｇｅｔｔｉｎｇｆｒｅｑｕｅｎｔｐａｔｔｅｒｎｗｈｅｎｍｅａｓｕｒｉｎｇｔｈｅｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎｔｗｏｍｅｔａｐａｔｔｅｒｎｓ．Ａｉｍｉｎｇｔｈｅｓｐｅｃｉａｌｔｙｏｆｔｉｍｅｓｅｒｉｅｓｐａｔｔｅｒｎ，ｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｏｆｆｅｒｓｗｅｉｇｈｔｅｄ

ｔｉｍｅｗａｒｐｉｎｇｄｉｓｔａｎｃｅｍｅｔｈｏｄｏｆｍｅｔａ—ｐａｔｔｅｒｎ，ａｎｄｔｈｅｎｃｏｍｅｓｕｐｗｉｔｈｄｙｎａｍｉｃｍｅａｎｓ，ｗｈｉｃｈＣａｌｌｄｉｓｔａｎｃｅｍｅａｓｕｒｅｔｈｅｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎｔｗｏｓｅｑｕｅｎｔｉａｌｐａｔｔｅｒｎｓ．

（３）Ｉｎ

ｆｏｒｗａｒｄｓｔｈｅｔｈｅａｃｑｕｉｒｅｍｅｎｔｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ｔｈｅａｕｔｈｏｒｐｕｔｓｌａｙｅｒｅｄｍｅａｎｓ．Ｔｈｅ

ｒｕｌｅｓｔｉｍｅｒｅｓｔｒｉｃｔｉｏｎｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｔｈｅａｎｄ．．．ｏｆａｓｓｏｃｉａｔｉｏｎｄｅｔｅｒｍｉｎｅｓｄｉｆｆｉｃｕｌｔｙ

ａｎｄｏｆｃａｎａｃｑｕｉｒｉｎｇｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ．Ｉｎｏｒｄｅｒｔｏｄｅｃｒｅａｓｅｔｈｅｄｉｆｆｉｃｕｌｔｙ，ｗｅｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｉｎｔｏｄｉｆｆｅｒｅｎｔｌｅｎｇｔｈｄｉｖｉｄｅｔｈｅｂｅｆｏｒｅｒｏｆＳＯｔｈｅｎｍｉｎｅ，ｔｈａｔｉｓｃａｌｌｅｄｔｈｅ

ｌａｙｅｒｅｄｍｉｎｉｎｇｏｆｔｅｍｐｏｒａｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ．Ｂｅｃａｕｓｅｏｆｔｈｅｄｉｆｆｅｒｅｎｃｅｉｎｄｅｆｉｎｉｎｇｔｈｅｆｒｅｑｕｅｎｔｐａｔｔｅｒｎｓ，ｔｈｅｍｅｔｈｏｄｉｓｄｉｆｆｅｒｅｎｔｆｒｏｍｏｔｈｅｒｍｉｎｉｎｇｗａｙｓ．Ｍｅａｎｗｈｉｌｅｂｅｃａｕｓｅｔｈｅｍｅｔｈｏｄｃｏｎｓｉｄｅｒｓｔｈｅｂｅｆｏｒｅｒｏｆｄｉｆｆｅｒｅｎｔｌｅｎｇｔｈ，ｉｔｈａｓｔｈｅｕｎｉｑｕｅ４