Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 696
Скачиваний: 2
Оценивание |
параметров |
обыкновенных |
дифференциальных |
уравнений |
669 |
||||||
записываются |
|
соответственно в |
виде |
|
|
|
|||||
р(а*) |
= |
|
|
|
|
|
|
|
|
|
|
= ( 2 я |
) Р / 2 , 1 / 2 е |
х Р [ - у |
( « * - « * ( 0 |
, ) Т Q««' (а*-а*<о>)] , |
(9.3.11a) |
||||||
Р (Уо) = ( 2 я ) , / 2 / 0 |
,i/2 е х Р [ - |
Т |
( У о - У о Ѵ «у-,,1 |
(Уо-У( о0 ) ) j , (9.3.116) |
|||||||
где Оа * и й У о |
— ковариационные |
матрицы, а верхний индекс (0) |
|||||||||
обозначает априорные |
оценки а* и у 0 . Если предположить, что |
||||||||||
а* и уо независимы, то |
|
|
|
|
|
|
|
||||
|
|
In p (а*, |
у о) =ïnp |
(а*) + ln р (у0 ). |
|
|
|||||
Подстановка априорных |
распределений |
(9.3.11а) |
и (9.3.116) |
||||||||
и выражения |
для К (ti) |
в первые два уравнения (9.3.9) дает окон |
|||||||||
чательные уравнения, |
из которых |
можно получить |
оценки |
для |
|||||||
а* и у 0 : |
|
|
|
|
|
|
|
|
|
|
|
- ( У О - У Г ) Т Й У О - + |
|
|
|
|
|
|
|
|
|||
|
|
n |
|
|
|
|
|
|
|
|
|
|
+ |
2 |
[Y (ti)-W |
(а, y 0 I |
ti)f |
Г-i ««) |
¥ (а, у0 , *,) = От , |
||||
— (а*—а*«»Г |
|
|
|
|
|
|
|
|
(9.3.12) |
||
|
n |
|
|
|
|
|
|
|
|
|
|
+ 2 [ Y p o - Y t è , у0, ^о^г-ч^і^Ѵя у0, го=о т ,
і = 1
где символ Л обозначает оценки параметров.
Заметим, что в предположении о том, что элементы матрицы Q по существу бесконечны (априорное знание расплывчато), т. е. элементы Q - 1 равны нулю, уравнения для максимально правдо подобных оценок совпадают с соответствующими уравнениями метода наименьших квадратов и поэтому применимы те же самые
показатели |
точности оценок. В примере 9.4.1 максимально прав |
||
доподобные |
оценки |
сравниваются с |
оценками, полученными |
методом наименьших |
квадратов. |
|
|
|
9.4. П О С Л Е Д О В А Т Е Л Ь Н О Е |
О Ц Е Н И В А Н И Е |
При последовательном оценивании используются предшествую щие наблюдения вместе с последним наблюдением для получения оценок параметров модели и начальных условий и (или) откликов. Запишем соотношение (9.1.8) в несколько иных обозначениях:
Y (ff ) = h (*,) TI (ß, tt) + г (tt), |
(9.4.1) |
670 |
Глава 9 |
где функция т| — решение |
модели. Чтобы избежать путаницы |
в обозначениях, определим |
вектор |
а а* — вектор-столбец из элементов а — был уже ранее определен выражением (9.3.10). Существенная особенность соотношения (9.4.1), которая делает его легко поддающимся дальнейшему ана
лизу, состоит в том, что |
переменная Yr (tt) |
является |
линейной |
комбинацией элементов |
TJ. При обработке |
сигналов |
функция ц |
рассматривается как неизвестный сигнал на входе в линейную сис
тему и основные усилия направлены на |
оценивание значений t| |
по наблюдениям над величиной Y . Здесь, |
однако, считается, что |
вид функции т| известен и требуется оценить параметры ß этой функции.
Элементы ß можно оценить по серии наблюдений с помощью метода, известного как метод Винера — Калмана, Калмана — Бачи, Шмидта и под другими названиями (см. литературу в конце этой главы) в зависимости от особенностей вывода и вычислитель ного алгоритма. Один из наиболее простых, но далеко не единствен ный вывод уравнений для оценок опирается на использование теоремы Байеса, описанной в общих чертах в разд. 3.1.3.
|
Предположим, что имеется следующая информация (см. разд. |
|||||||||||||||||
3.1.3): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
1. |
Ряд наблюдений переменной |
Y в последовательные |
моменты |
||||||||||||||
времени |
ti: |
t2, |
• • -, |
tt, |
которые |
все |
вместе |
будут |
обозначаться |
|||||||||
Y (tt). |
|
|
|
|
|
связь |
между |
наблюдениями, |
функцией |
ц |
||||||||
|
2. |
Функциональная |
||||||||||||||||
и |
e, |
а |
именно |
соотношение |
(9.4.1). |
|
|
|
|
г, |
p (t\ |
(tt), |
||||||
|
3. |
Совместная |
плотность |
распределения |
для |
т| и |
||||||||||||
e |
(t{)); |
здесь величины и (tt) |
и e (ti) являются независимыми, так |
|||||||||||||||
что p(i) |
(ti), |
e |
(tt)) |
= |
p |
(t) (ti)) |
p (e (tt)). |
Кроме |
того, |
парамет |
||||||||
|
1) P |
(ч (tt)) |
— плотность |
гауссова |
распределения |
с |
||||||||||||
рами |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ш{УІ |
(tt)} = |
I |
V |
|
|
|
|
|
|
|
|
||
|
|
|
|
Cov |
{r, |
(ti)} |
= g { r , |
(tt) |
цт ( ; . ) } |
= Q |
4 > |
|
|
|
||||
|
2) |
p |
(e (tt)) |
— плотность |
гауссова |
распределения |
с |
парамет |
||||||||||
рами |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
g{e (*«)}= |
0, |
|
|
|
|
|
|
|
|
|||
и |
|
|
|
|
Cov {e (*,)} = |
% {g (и) |
|
(tt)} |
= |
Г |
|
|
|
|||||
|
|
|
|
|
|
Ш {ц |
(tt) г? |
(tt)} = |
0. |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
Оценивание параметров обыкновенных дифференциальных |
уравнений 671 |
||
Выше в явном виде указывалась функциональная |
зависимость- |
||
некоторых матриц от времени; в дальнейшем |
в целях |
экономии |
|
места временной аргумент будет опускаться. |
Теперь |
проследим |
за этапами построения апостериорной плотности распределения вероятности р (т), у), указанными в разд. 3.1.3.
1. Определяется плотность распределения р (у) для случайной переменной Y. Так как Y = h и + е, а плотности распределения и для t] и для г — нормальные, то и плотность распределения дл я
Y также является нормальной; |
кроме того, |
|
g { Y } = h g { T i H V 4 , |
|
|
Cov {Y} = g { Y Y T } = g { ( h n + e) ( h n + sf} = hQ 4 h T |
+ Г. |
|
Поэтому плотность распределения вероятности p (у) равна |
||
p(y) = Ä ; 1 e x p { - | ( Y - h | L l t ] ) r |
( h ß t l h T + r ) - 1 ( Y - h j L i 4 |
) } , (9.4.2) |
где ki — нормировочный множитель, который здесь несущественен -
2. |
С помощью |
соотношения, |
приведенного |
в |
разд. 3.1.3,. |
|||||||||
находится |
плотность |
распределения |
|
|
|
|
|
|||||||
|
|
|
|
- A ; 2 e x p [ - i - ( Y - h n ) T r - 1 ( Y - h î i ) J . |
(9.4.3). |
|||||||||
3. |
По теореме Байеса находится апостериорная плотность рас |
|||||||||||||
пределения |
|
|
|
|
|
|
|
|
|
|
|
|
||
n г™ I v^ — Р (У I л) /> (п) _ Р (с) Р (п) |
_ |
|
|
|
|
|
||||||||
Р\т)\У)- |
|
р ( |
у ) |
- |
р ( |
у ) |
|
|
|
|
|
|
|
|
= k3 |
exp { - |
1 [ ( Y - h î i ) r Г " 1 ( Y - h î j ) |
+ ( Ч - Ы Т |
« л 1 |
( П - Щ ) — |
|||||||||
|
|
|
|
- ( Y - h | i i 4 ) T ( h î 2 4 h T |
|
- h M 4 ) ] } . |
(9.4.4) |
|||||||
Дополняя до полных квадратов |
выражение в квадратных |
скобках, |
||||||||||||
|
|
+ r r 4 Y |
|
|
|
|
||||||||
приведем |
соотношение |
(9.4.4) к |
более |
простому |
виду |
|
||||||||
|
|
P(4\y) |
= k3exp |
{ - у К л - л Г п - М п - Л ) ] } , |
|
(9-4.5) |
||||||||
где |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r s Q - ' |
+ h V ' h , |
|
|
|
(9.4.6) |
|||
или |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
П = Й ч — Й П Ь Г ( h Q 4 h T + Г ) - 1 п й ч , |
|
|
(9.4.6а> |
672 |
Глава 9 |
|
а |
|
|
n = |
f*4 + nhr r-1 (Y—h(in ). |
(9.4.7) |
Максимизация плотности р (ц | у) эквивалентна минимизации выражения в квадратных скобках в формуле (9.4.5). Минимизация этого выражения посредством дифференцирования по ц и прирав нивания нулю полученного выражения дает
— 2 П ( ч — ï]) = 0.
Следовательно, наилучшей оценкой к] функции т] служит величина т\, определяемая выражением (9.4.7).
Получим соотношение, пригодное для рекуррентного вычисле ния т| без дополнительных усилий, т. е. для вычисления значения
іг) в момент времени |
по имеющейся информации в момент вре |
||
мени tt |
и одному новому наблюдению в момент |
Нижний индекс |
|
і или і |
+ 1 будет |
обозначать как временную |
зависимость, так |
и конкретный момент времени. Предположим, что в момент вре
мени |
tt+! имеется следующая информация (см. разд. 3.1.3): |
||||||||
|
1. |
Ряд наблюдений переменной Y в последовательные моменты |
|||||||
времени от tt до |
Наблюдения вплоть до момента |
времени tt |
|||||||
включительно будут |
обозначаться |
через Yj, а наблюдения, полу |
|||||||
ченные именно в момент времени |
ti+i, |
— через |
Y j + t . |
|
|||||
|
2. |
Функциональная связь |
между |
наблюдениями, |
функцией т| |
||||
и |
Е. Все еще предполагается, что в |
любой момент |
времени ti |
||||||
и, |
кроме того, |
Yt = |
h i 4 i |
+ Et |
|
|
(9.4.8) |
||
= |
Ъ*Пі |
+ |
ѲеГ, |
|
|
(9.4.9) |
|||
|
|
|
|
|
|||||
где |
h* и Ѳ —заданные матрицы. |
Соотношение |
(9.4.9) |
связывает |
значение функции т) на одном временном интервале с ее значением
на |
другом интервале. |
|
|
|
|
|
|
||
|
3. |
Плотность распределения p (r|, | у,) |
является |
нормальной; |
|||||
«* |
и |
е — независимые |
ненаблюдаемые ошибки. Кроме того, |
||||||
|
|
Ш{(Г\І |
! у,)} |
= |
r\i, |
|
|
|
|
|
|
Соѵ {г,г |
I у,} = |
% { ( т , , |
I у») (т,, |
I УІ)Т} |
= Q„.. |
||
Совместная плотность распределения для |
е і + і |
и е* равна |
|||||||
и |
|
P |
(«?, |
8|+11 |
Ци УІ) |
= p (е*) p (е1 + 1 ) |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S{ei} = g { e i + 1 } = 0, |
|
|
|||
|
|
|
Cov{ef} = g{efefT } = |
r f |
|
|
|||
|
|
|
Соѵ {еі + 1 } = g {ег + 1 е[+г} = |
Г . |
|
|