Побудова багатовимірної моделі на основі фільтра Калмана й аналіз алгоритмів оцінювання її параметрів

Побудовано алгоритми оцінювання математичного сподівання прискорення зміни значень вибірки даних. Виконано імітаційне моделювання за цими алгоритмами для випадкового процесу. За його результатами проведено аналіз та вибрано кращі алгоритми. Показано, що оцінка значення математичного сподівання прискорення зміни значень вибірки даних за побудованими вибірковими послідовностями нев’язок не приводить до покращення результа¬тів порівняно з його оцінкою за повною послідовністю нев’язок. Побудовано адаптивний фільтр Калмана. Побудовано модель на основі фільтра Калмана з використанням вибраного раніше найкращого алгоритму оцінювання математичного сподівання прискорення зміни значень вибірки даних, модель експоненційного згладжування, авторегресійну модель та авторегресійну модель із ковзним середнім за реальними даними. Виконано прогнозування за цими моделями. За обчисленими статистичними характеристиками модель на основі фільтра Калмана показала добрі результати, за прогнозними характеристиками вона є найкращою серед побудованих моделей.

Рік видання: 
2013
Номер: 
5
УДК: 
338.27
С. 28–34., укр., Іл. 4. Табл. 2. Бібліогр.: 8 назв.
Література: 

1. Фильтрация и стохастическое управление в динамических системах / Под ред. К.Т. Леондеса. — М.: Мир, 1980. — 407 с.
2. Мехра Р. Идентификация и адаптивная фильтрация Калмана // Механика [сб. переводов статей]. — 1971. — № 3. — С. 34—51.
3. M. Oussalah and J. De Schutter, “Adaptive Kalman Filter for Noise Identification”, in Proc. Int. Conf. Noise and Vibration Eng., pp. 1225—1232, 2000.
4. A. Almagbile et al., “Evaluating the Performances of Adaptive Kalman Filter Methods in GPS/INS Integration”, J. Global Positioning Sys., vol.9, no.1, pp. 33—40, 2010.
5. Згуровский М.З., Подладчиков В.Н. Аналитические методы калмановской фильтрации для систем с априорной неопределенностью. — К.: Наук. думка, 1995. — 283 с.
6. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов: Учеб. пособие. — М.: Финансы и статистика, 2003. — 416 с.
7. Офіційний сайт Лондонської біржі металів. Розділ “Історичні дані”. — Режим доступу: http://www.lme. com/historical_data.asp
8. Бідюк П.І., Коршевнюк Л.О. Проектування комп’ютерних інформаційних систем підтримки прийняття рішень: Навч. посібник. — К.: ННК “ІПСА” НТУУ “КПІ”, 2010. — 340 с.

Список літератури у транслітерації: 

1. Fil'trat͡sii͡a i stokhasticheskoe upravlenie v dinamicheskikh sistemakh / Pod red. K.T. Leondesa. – M.: Mir, 1980. – 407 s.
2. Mekhra R. Identifikat͡sii͡a i adaptivnai͡a fil'trat͡sii͡a Kalmana // Mekhanika [sb. perevodov stateĭ]. – 1971. – # 3. – S. 34–51.
3. M. Oussalah and J. De Schutter, “Adaptive Kalman Filter for Noise Identification”, in Proc. Int. Conf. Noise and Vibration Eng., pp. 1225–1232, 2000.
4. A. Almagbile et al., “Evaluating the Performances of Adaptive Kalman Filter Methods in GPS/INS Integration”, J. Global Positioning Sys., vol. 9, no.1, pp. 33–40, 2010.
5. Zgurovskiĭ M.Z., Podladchikov V.N. Analiticheskie metody kalmanovskoĭ fil'trat͡sii dli͡a sistem s apriornoĭ neopredelënnost'i͡u. – K.: Nauk. dumka, 1995. – 283 s.
6. Lukashin I͡U.P. Adaptivnye metody kratkosrochnogo prognozirovanii͡a vremennykh ri͡adov: Ucheb. posobie. – M.: Finansy i statistika, 2003. – 416 s.
7. Ofit͡siĭnyĭ saĭt Londons′koï birz͡hi metaliv. Rozdil “Istorychni dani”. – Rez͡hym dostupu: http://www.lme.com/historical_data.asp
8. Бідюк П.І., Коршевнюк Л.О. Проектування комп’ютерних інформаційних систем підтримки прийняття рішень: Навч. посібник. – К.: ННК ІПСА, 2010. – 340 с.

Текст статтіРозмір
2013-5-4.pdf291.67 КБ