Построение многомерной модели на основе фильтра Калмана и анализ алгоритмов оценивания ее параметров

Построены алгоритмы оценивания математического ожидания ускорения изменения значений выборки данных. Выполнено имитационное моделирование по этим алгоритмам для случайного процесса. По его результатам выполнен анализ и выбраны лучшие алгоритмы. Показано, что оценка значения математического ожидания ускорения изменения значений выборки данных по построенным выборочным последовательностям невязок не приводит к улучшению результатов в сравнении с его оценкой по полной последовательности невязок. Построен адаптивный фильтр Калмана. Построены модель на основе фильтра Калмана с использованием выбранного ранее лучшего алгоритма оценивания математического ожидания ускорения изменения значений выборки данных, модель экспоненциального сглаживания, авторегрессионная модель и авторегрессионная модель со скользящим средним по реальным данным. Выполнено прогнозирование по этим моделям. По вычисленным статистическим характеристикам модель на основе фильтра Калмана показала хорошие результаты, по прогнозным характеристикам она является лучшей среди построенных моделей.

Год издания: 
2013
Номер: 
5
УДК: 
338.27
С. 28–34., укр., Іл. 4. Табл. 2. Бібліогр.: 8 назв.
Литература: 

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.

Транслитерированый список литературы: 

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.

Полнотекстовый документSize
2013-5-4.pdf291.67 KB