Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Курсовые обзорные » Оцінювання параметрів процесу авторегресії

Реферат Оцінювання параметрів процесу авторегресії





дку розглянемо суму квадратів відхилень спостережуваних значень змінної від очікуваних значень


В 

Необхідна умова мінімуму призводить до наступної оцінці


(5)


Для моделі 2-го порядку сума квадратів відхилень спостережуваних значень від очікуваних значень має вигляд


В 

Необхідна умова мінімуму призводить до наступної системи рівнянь


В 

2.2 Фільтр Калмана


Фільтр Калмана також можна використовувати для оцінки параметра моделі.

Розглядається система лінійних різницевих рівнянь виду


, (6)

, (7)


- n-мірний вектор станів, z - l-мірний вектор вимірювань. і - послідовність гауссовских випадкових величин з нульовим математичним очікуванням. Будемо вважати що вони незалежні між собою. p> Завдання полягає в тому, щоб на основі отриманих вимірів отримати оцінку

Оцінка обчислюється як рішення різницевого рівняння


, (8)

- матричний коефіцієнт, - нев'язка. Чим вона менша, тим ближче оцінка до істинного значення. Коефіцієнт K вибирається таким чином, щоб оцінка була незміщеної з мінімальною матрицею ковариаций. p> Якщо ввести помилку, то ця помилка буде задовольняти наступному рівнянню:


,

де


В В 

- послідовність гауссовских випадкових величин з властивостями


В В 

Далі введемо квадратну матрицю


В В 

Введемо і як середнє і матрицю коваріації

Отримаємо наступне


В В 

Залишилося вибрати K таким чином, щоб мінімізувати

Уявімо праву частину у вигляді повного квадрата відносно K:


В 

З останнього рівності отримаємо наступне:

В 

(9)

(10)


- оптимальний коефіцієнт.

- рішення рівняння Риккати. Для спрощення моделювання замінюємо стаціонарним значенням. , Яка знаходиться з алгебраїчного рівняння Риккати


(11)


Оцінювання параметрів регресії за допомогою фільтра Калмана

Так як оцінюємо параметр, а він є постійним, то рівняння для нього має вигляд


(12)


Рівняння спостереження має вигляд


(13)


Тоді порівнюючи (6), (7) з (12), (13), отримаємо


В В В В 

У разі рівняння авторегресії 2-го порядку оцінюємо вектор параметрів. У цьому випадку матриця A є одиничною 2х2, вектор спостереження, матриця нульова,. br/>

3. Моделювання


Були отримані масиви даних, що підкоряються моделі авторегресії 1-го і 2-го порядку. Параметри моделі 1-го порядку:

.

Параметри для моделі 2-го порядку:

.

В якості шумовий компоненти використовувалися випадкові величини, що мають нормальне, рівномірне розподілення, а так само величини, щільність розподілу яких дорівнює


.


Всі шуми мають нульове середні і одиничну дисперсію. На малюнках 1-3 з...


Назад | сторінка 2 з 4 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Коефіцієнт детермінації. Значимість рівняння регресії
  • Реферат на тему: Рівняння кривих та поверхонь іншого порядку
  • Реферат на тему: Загальні рівняння кривих і поверхонь другого порядку
  • Реферат на тему: Рівняння регресії. Коефіцієнт еластичності, кореляції, детермінації і F-кр ...
  • Реферат на тему: Приведення рівняння кривої і поверхні другого порядку до канонічного вигляд ...