Главная > Справочник по прикладной статистике. Том 2
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

20.7. ПРИМЕНЕНИЯ

20.7.1. ПРИМЕНЕНИЕ ДИСКРЕТНОГО ЛИНЕЙНОГО ФИЛЬТРА КАЛМАНА

а) Введение. В дальнейшем изложении предполагается, что структура и параметры модели априори неизвестны, поэтому применяются методы идентификации и оценивания дискретных линейных моделей в фазовом пространстве, описанные в разделах 20.6.2 и 20.6.3. Наша цель состоит в построении модели, пригодной для прогноза водного расхода в реке в зависимости от осадков в реальном времени. Как отмечалось в разделе 20.6.1, величина водного расхода нелинейно зависит от уровня осадков, главным образом вследствие того, что речной бассейн по разному реагирует на осадки в зависимости от состояния

«увлажненности». Тем не менее оказывается, что кусочно-линейный подход во многих случаях позволяет получить удовлетворительные результаты. Он может быть применен путем разложения исходной последовательности осадков на две или более входные последовательности, каждая из которых характеризует «отклик» бассейна при различных состояниях увлажненности [см. Todini and Wallis (1977), (1978)]. Таким образом, хотя отклик на величину осадков в результирующей модели будет нелинейным, проблема оценивания остается линейной.

В приведенном примере были доступны ежедневные данные об осадках и водном расходе за период с 1 октября 1962 г. по 31 марта 1970 г. для Хиллсборо-Ривер около Зефирвилла, штат Флорида. Заранее были идентифицированы три входные последовательности осадков, каждая из которых, как было указано, отвечала различным условиям в бассейне реки.

Рассматриваемая модель имеет вид

где — выход модели, а матрица — три раздельные входные последовательности осадков. Требуется идентифицировать размерность и структуру матриц и оценить свободные параметры Н, F, D и G. Эта задача должна быть разбита на две части, поскольку модель, связывающая и имеющая данный вид, непосредственно идентифицирована быть не может, если только не является белым шумом. Сначала модель в фазовом пространстве для процесса выпадения осадков записывается в обновляющей форме:

где белый шум. Затем последовательность используется для получения прогноза расхода при помощи модели в фазовом пространстве

б) Идентификация и оценивание параметров. Модель в фазовом пространстве для осадков. Первый шаг состоит в «отбеливании» входного процесса. Это может быть сделано путем подгонки авторегрессионной модели высокого порядка

Вычисление ковариаций для дает уравнения Юла— Уолкера

которые могут быть решены относительно когда каждое С, заменено его выборочной оценкой. Найденные В используются для получения первой оценки матриц импульсного отклика в представлении

опирающемся на соотношения (20.6.27).

Структура подходящей модели в фазовом пространстве для трех последовательностей осадков находится при помощи канонического корреляционного анализа с последовательностью взятой в качестве вектора прошлых наблюдений; при этом требуется, чтобы к было достаточно большим. В данном случае к выбиралось равным двенадцати. Следуя процедуре, предложенной в [Cooper and Wood (1982 а)], находим, что

Строки являются строками матрицы Заметим, что в матрице имеется 17 свободных параметров, тогда как в общей авторегрессионной модели третьего порядка для трех переменных их 27. Приведенные здесь значения являются весьма грубыми оценками параметров; они могут быть использованы в качестве первоначального приближения в итеративной процедуре Гаусса—Ньютона при условии, что модель устойчива, т. е. собственные значения матрицы по модулю меньше единицы. В данном случае это не так, и предварительные оценки должны быть возмущены, чтобы получить полезные начальные приближения. К настоящему времени нет рекомендаций, каким образом это надо делать. Указанная модель, полученная с помощью процедуры идентификации и содержащая 17 параметров, может быть подвергнута дальнейшей редукции, если положить равными нулю некоторые из параметров и которые представляются достаточно малыми. Оценивание по методу Гаусса—Ньютона дает следующие значения:

Значения элементов похожи на те, что получены в процессе процедуры идентификации, тогда как значения элементов существенно отличаются. При данных оцененных значениях и зная структуру Н, мы можем преобразовать измерения осадков к процессу белого шума, используя соотношения

Модель в фазовом пространстве, связывающая расход воды в реке с осадками. Идентифицируем модель, связывающую речной поток и осадки. Она имеет структуру, описываемую уравнениями (20.7.5) и (20.7.6). Сначала подгоним модель импульсного отклика высокого порядка

с использованием значений а, полученных из соотношения (20.7.11). При этом каждое из является вектором размерности Подгонка осуществляется путем решения ковариационных уравнений для Начальные оценки для векторов приведены в табл. 20.7.1; они необходимы для нахождения параметров матрицы в уравнении (20.7.6).

Таблица 20.7.1. Параметры импульсного отклика для входных последовательностей

Модель импульсного отклика для

требуется, чтобы оценить матрицу в уравнении (20.7.6). При данных процесс может быть получен из (20.7.12), поскольку значения последовательностей известны. Модель подгоняется точно так же, как и модель для при помощи авторегрессионной модели высокого порядка с последующим ее обращением. Применяя этот метод, получаем следующие начальные значения для . Указанные числа являются приближенными значениями соответствующих элементов Заключительная стадия процедуры идентификации состоит в проведении канонического корреляционного анализа с использованием в качестве вектора прошлых наблюдений

В нашем примере вектор будущих наблюдений состоял последовательно из вектор будущих наблюдений расширяется до тех пор, пока результаты канонического корреляционного анализа не указывают на хорошее качество подгон Подробное описание этих проблем содержится в [Cooper and Wooc (1982 а)].

Идентифицированная модель, связывающая расход воды и осадки задается матрицами

Оценивание параметров с исключением тех из них, которые близки к нулю, проведенное с помощью указанных матриц, взятых в качестве начального приближения, дает окончательный вид модели:

Модели для осадков [см. (20.7.3) и (20.7.4)] и для расхода воды при заданных осадках [см. (20.7.5) и (20.7.6)] могут быть объединены в одну общую модель в фазовом пространстве для осадков и расхода. Легко проверить, что они имеют вид

(кликните для просмотра скана)

Рис. 20.7.2. Автокорреляционная функция ошибок одношагового прогноза за период с 1 октября 1962 г. по 31 марта 1970 г. для Хиллсборо-Ривер [Cooper and

Структура объединенной модели такова, что будущие значения осадков не зависят от прошлых значений расхода воды, однако фильтр Калмана оперирует как со значениями осадков, так и со значениями расхода.

в) Результаты. Описанная выше модель применялась к данным по Хиллсборо-Ривер [см. раздел 20.7.1, п. а)], а ее качество оценивалось путем сравнения наблюдаемого поведения обновления с ожиданием при оптимальных условиях. Рис. 20.7.1, а) показывает количество выпавших за день осадков за период с 21 июля по 29 сентября 1964 г., а рис. 20.7.1, б) — наблюдаемые и прогнозируемые (на один шаг вперед) значения водного расхода реки за тот же период. Выборочные автокорреляции обновления за полный период с 1 октября 1962 г. по 31 марта 1970 г. приведены на рис. 20.7.2 вместе с границами для их удвоенных стандартных отклонений. Из вида автокорреляций для обновлений ясно, что модель является адекватной. Этого следовало ожидать, поскольку модель сконструирована с учетом моментов второго порядка на исследуемом периоде. Однако более детальное исследование обновлений (например, изучение рис. 20.7.1, б)) показывает,

что модель может давать не очень хорошее описание в периоды сильных дождей, которые как раз и представляют наибольший интерес. А именно имеет место занижение прогноза на восходящей ветви, т. е. когда интенсивность потока растет, и занижение прогноза, когда пик интенсивности потока пройден. Эти особенности не выявляются при исследовании автокорреляции. Они возникают в силу типа выбранной модели, которая в принципе не в состоянии отражать некоторые из характеристик связи между расходом воды и осадками; кроме того, спорны и предположения относительно характеристик шума. Этот аспект обсуждается в разделе 20.7.2.

1
Оглавление
email@scask.ru