Файл: Химмельблау Д. Анализ процессов статистическими методами.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 09.04.2024
Просмотров: 694
Скачиваний: 2
Оценивание |
параметров |
обыкновенных |
дифференциальных |
уравнений |
673 |
Далее будем поступать, как и раньше, с тем исключением, что апостериорную плотность распределения теперь будем искать в виде
Р |
I У ж ) = Р { Ц ^ У м ' У і ) . |
(9.4.10) |
|
Р ш+і> Уѵ |
|
После интегрирования числителя и знаменателя в правой части этого соотношения по всем наблюдениям, кроме Yi + i , т. е. по всем Yj, получим
„ / „ |
і ѵ ч _ Р (чі+і. |
Уі+11 Уі) |
P (Уі+і 1 Чі+і, Уі) Р |
I Уі) |
/а Л а \ |
||
Следовательно, необходимо получить три плотности |
распределения |
||||||
вероятности, входящие |
в правую часть соотношения |
(9.4.11)., |
|||||
1. |
Получим р ( у г + 1 |
I у;)- |
Как и раньше, p (уі+і |
| уг ) — плот |
|||
ность |
нормального |
распределения с параметрами |
|
|
|||
|
g { ( Y i + 1 | Y , ) } = hh*4J, |
|
|
|
|||
|
Соѵ {Y i + 1 1 Y ; } = g {(Yi + 1 1 Y,) (Yl + 1 1 Y if} |
= h Q r ) . + J h T + Г. |
2. Получим плотность распределения p (yi+i | y,-). Эта плот ность не зависит от р ( е г + і ) , является нормальной и имеет пара метры
g { ( 4 i + 1 | Y , ) } = h S , |
|
I Y,) (чж |
|
||
Соѵ {ці+11 Yi} = Ш |
|
I Yj) T } = |
|||
|
= |
Ь*ЙЧ .Ь*Т + Ѳ Г Ѳ Г = М І + 1 . |
|
||
3. Получим |
плотность |
распределения |
p (уг-н Iт |г+і> |
Уг)- Эта |
|
плотность является нормальной |
и имеет |
параметры |
|
||
|
g { Y ; + i |
I тіг-и, |
Y,} = |
bi\t+t, |
|
Gov {Y,+11 |
Y,} = g { ( Y m | n « + 1 Y » ) ( Y m | T | / + 1 , Y ; ) r } = r. |
Подставляя соответствующие величины в плотность распреде ления (9.4.11), получим
Р ! УІ+І) = h exp | . — | - [ ( П і + і — Ъ * Ц І ) Т Мг~+і (Пй-i —h**U) +
+( Y i + 1 - h t i i + 1 ) T r - M Y m - h W - ( Y J + 1 - h h * ^ ) r X
x W + i ^ + rrMYi+i —hh*4*)]} . (9.4.12)
где &j — нормировочный множитель. Дополняя до полных квад ратов выражение в квадратных скобках, приведем плотность (9.4.12) к виду
рСПл-і|У«+і) = М х р J — Ч Ш ) Т ® Щ + І ( Ч Ш — ЧІ+І)]} ,
(9.4.13)
674 |
|
Глава |
9 |
|
|
|
|
где |
|
|
|
|
|
|
|
|
= Ъ*ЦІ + M J + 1 h T (hM*+ 1 hT + Г ) - 1 |
( Y î + 1 |
- h W p ) , |
(9.4.14) |
|||
и |
|
|
|
|
|
|
|
|
|
Q - ^ M r + i |
+ l^r - ih, |
|
(9.4.15) |
||
или |
|
|
|
|
|
|
|
|
Q 4 J + 1 = M i + 1 - M * + 1 h T |
( h M i + 1 h r + |
Г)"1 |
h M i + 1 , |
(9.4.16) |
||
a матрица M;+i определена выше через iit. |
Как и раньше, макси |
||||||
мизация |
р (ЦІ+І |
I уі+і) по Tji+i |
|
приводит |
к |
равенству |
ц і + і = |
— тіі+і, |
так что |
выражением, |
определяющим |
оценку, |
служит |
выражение (9.4.14), которое часто называют дискретным «филь тром Винера — Калмана».
Для того чтобы получить уравнения для оценивания, например ß, необходимо использовать рекуррентный метод, в котором при меняется линеаризованное (по ß) решение модели. Предположим,
что функция T j j - + 1 |
линеаризуется с помощью ряда Тейлора в ок |
|||
рестности'опорных |
значений |
ßt , |
ß2, . • • |
|
ч< = n« <Р) + |
(ft- |
ßO + - ^ - (fc- ß 2 ) + |
• • • = |
|
|
|
|
= %(ß) + Vb(ß)<5ß, |
(9.4.17) |
где oß = ß — ß, a |
Vß — градиент |
в пространстве параметров ß. |
||
Тогда, подставляя |
разложение |
(9.4.17) в соотношение (9.4.8) |
и предполагая, что h * — единичная матрица, h * = |
I , а матрица |
Ѳ в соотношении (9.4.9) равна нулю, получаем |
|
Y, = lu[4*(ß) + V l i (froß] + e,, |
|
или |
|
6Y, ^ Y i - h j t ) , (ß) = hiVpt], (ß) oß + e,. |
(9.4.18) |
Заметим, что соотношение (9.4.18) аналогично (9.4.8), причем ôY, соответствует переменной Yj, a oß — функции х\г. Следовательно, величину oß можно оценить с помощью выражения (9.4.14), заме няя в последнем оценку Т|І+І на oß,+i, если предположения, сде ланные относительно плотностей распределения вероятностей, , включающих ц, применимы и к oß. Будем предполагать, что они применимы.
Таким образом, если в качеств^ предшествующих оценок ß использовать ß, т. е. если положить ßi = ß> то оценка ß j + 1 опре-
Оценивание |
|
параметров |
обыкновенных |
дифференциальных |
|
уравнений |
675 |
||||||||
делится из |
выражения |
(9.4.14): |
|
|
|
|
|
|
|
|
|||||
Oßi + 1 = |
Oß; + |
|
fiß. |
[ h i f l V ß |
] T |
X |
|
|
|
|
|
|
|
|
|
|
X [(h i + 1 V ß r|* (ß•)) Î2P ; ( Ь г |
+ 1 Ѵ р Л |
і (ß))r |
+ Г]" 1 X |
|
|
|||||||||
|
как oß, = ßf — ßj = 0, |
|
X [ O Y J + 1 - h m ( V ß ^(ßO)oßd- |
||||||||||||
Так |
а |
|
|
|
|
|
|
|
|
||||||
|
|
O Y i + 1 - h i + 1 V ß r | |
i фі) Ôp\ » |
Уі+1-Ъі+іЦі |
|
(ßo, |
|
|
|||||||
получаем для |
р\+ і |
|
|
|
|
|
|
|
|
|
|
|
|||
где |
|
|
р \ + 1 = ß* + |
K l + 1 |
[ Y i + |
1 - h i + |
1 r i i + 1 |
(ßt)], |
|
(9.4.19) |
|||||
|
|
|
|
|
|
|
h |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(ßi) = |
exp [â (*,) ti+l] |
уо |
+ |
( exp [(*,— т) â |
х (т) dr, |
|
||||||||
|
|
|
|
|
|
|
|
о |
|
|
|
|
|
|
|
K i + |
1 = Qß |
( * ж ) [h (ti+i) |
V ß T ] (ß\, * m ) ] T |
X |
|
|
|
|
|
||||||
|
|
|
|
X {[h (ti+l) |
|
V ß T ] (ßt, |
ti+l)] |
Qß (*ж ) |
x |
|
+ Г |
(ti+1)}-\ |
|||
|
|
|
|
|
|
|
X [h (ti+1) |
V ß T , (ß, |
^ + 1 ) ] |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
; |
|
Г |
|
|
а рекуррентное |
соотношение |
для |
ковариационной |
матрицы |
ßß |
||||||||||
параметров |
ß в соответствии с соотношением |
|
(9.4.16) имеет вид. |
||||||||||||
|
Ö ß |
|
|
= Qp (<0 — К (^) [Ь (*0 Vpnxßt, |
ti)]Q^ti). |
|
• |
|
|||||||
Матрицу Qß |
можно использовать для оценивания точности оценож |
в линеаризованной модели, как описано в разд. 6.4.
Пример 9.4.1. Сравнение методов оценивания |
|
|
Рассмотрим скалярную модель |
(9.1.1): |
|
-|f- = ау + х0, |
У (0) = i/o, |
(а) |
Г = у + г, |
( б ) |
где х0 — постоянный входной сигнал, и выведем уравнения для оценивания с помощью каждого из трех основных методов, опи санных в разд. 9.2, 9.3 и 9.4. Предположим, что начальное значе ние і/0 и параметр а имеют гауссово распределение с параметрами
Ш{Уо) = Уо, |
§ { а } = а, |
• 1 { 0 / о - £ о ) 2 } = <тУо, |
g { ( a - S ) 2 } = Gà, ". |
|
Оценивание |
параметров |
обыкновенных |
дифференциальных |
уравнений |
677 |
||
где |
|
|
|
|
|
|
|
|
пФі, |
tl+i)= |
Уо,геа^ |
+ х0 |
j e«i<«i+i-^)dx == |
|
|
||
|
|
|
|
|
о |
|
|
|
|
|
|
|
|
|
= k / ^ + 1 + 4 4 ^ - l ) , |
||
K,+i |
= Qp, ! + ilVl(fr. *i+ 1 )]T {[(Vl(fr. *f+1))x |
|
|
|||||
|
|
|
|
|
|
хОэ.!+ 1 (Ѵр т|(в, |
« i + 1 )) T ] + |
a ï } - i , |
V ß T ] (p\-, |
= |
уо, i W " ' * ' « |
- - 2 - [е"''ж (1 |
- à i t t + l ) |
|
|||
|
|
Q p , i + i = Q P |
f i |
— K j + i V p T i ^ j , * i + i ) Q P i l . |
|
В приведенных выше соотношениях индексом і обозначалось время. Непосредственное сравнение результатов оценивания по реаль ным или имитированным данным может оказаться бессмысленным, ибо один метод оценивания может быть более чувствителен к дан ному набору ошибок данных, чем другой. По этой причине Карни и Голдвин [15] для сравнения методов оценивания использовали
метод Монте-Карло. Для получения |
значений ошибок, |
подчиняю |
|
щихся гауссову |
распределению, |
которые нужно |
добавить |
к предполагаемому |
начальному условию (начальному |
состоянию) |
и параметрам, в методе Монте-Карло использовался генератор слу чайных чисел. Затем с помощью имитированных значений у0 и а. проводилось итерационное решение детерминированной модели процесса. К полученным детерминированным откликам добавлялись ошибки наблюдений e (tt), выданные генератором случайных чисел. Наконец, имитированные стохастические отклики Y (tt) вводились в уравнения для оценивания и получались оценки у0 и а. Так как для любого момента времени вычислялось большое число ( ~ 200—300) значений Y, можно было также определить и оценки дисперсий оценок у0 и а.
При имитации использовались следующие значения:
tf = 2 |
0Œ = |
O,1 |
|
п = 20 |
сгЕ |
= 0,1 |
|
|
|
a |
Уо |
Устойчивый процесс |
—1 |
—1 |
|
Неустойчивый процесс |
1 |
1 |
|
На фиг. П.9.4.1а и П.9.4.16 |
показаны |
оценки и дисперсии |
оценок для 300 проб, т. е. для 300 различных пар значений у0 + + 8 У о и а + е„, для неустойчивой модели, которые характерны как для устойчивого, так и для неустойчивого случаев. Все три