شناسایی انواع تغییرات تأثیر گذار بر رفتار مدلهای سری زمانی ساختاری با معادلات فضای حالت
نویسندگان
چکیده مقاله:
در این مقاله روشی برای استفاده از خروجی‌های کالمن فیلتر برای شناسایی تغییرات تأثیر گذار سری زمانی ارائه شده است. از آن‌جا که الگوریتم کالمن فیلتر برای تحلیل مدلهای فضای حالت به کار می‌رود که مدلهای خطی ARMA را پوشش می‌دهد، استفاده از این روش می‌تواند برای شناسایی تغییرات از جمله مقادیر پرت به کار رود. در این مقاله روش پیشنهاد شده برای شناسایی پنج تغییر: نقطه پرت جمع پذیر، تغییر سطح، تغییرات فصلی، تغییر دوره و شیب ناگهانی سری زمانی استفاده شده است. توانایی روش پیشنهادی در یافتن نقاط تأثیر گذار با استفاده شبیه‌سازی نشان داده شد. به عنوان یک مثال واقعی داده‌های ازدواج در کشور انگلیس مورد بررسی قرار گرفت.
منابع مشابه
تغییرات ناگهانی فصلی در سری زمانی با استفاده از فضای حالت
تغییرات فصلی یکی از مباحث سری زمانی است. الگوهای فصلی ممکن است ثابت و یا به آرامی در طول زمان تغییر کنند. گاهی احتمال دارد یک شوک باعث تغییر ناگهانی در رفتار الگوهای فصلی شود. تغییرات ناگهانی در الگوهای فصلی ممکن است به سبب یک رویداد واقعی مانند: تغییر در قوانین، جنگها، اعتصابها، بحرانهای سیاسی و یا اقتصادی و غیره باشد. در این رساله تغییرات ناگهانی فصلی در مدلهای ساختاری فصلی با استفاده از مدل ...
15 صفحه اولبازسازی فضای حالت سری های زمانی آشوبی با استفاده از یک روش هوشمند
استفاده از سری های زمانی (منظور مشاهدات ما از فرآیند برحسب زمان) یک راه حل مؤثر در تحلیل این سیستم ها می باشد. در واقع تأکید روی این هدف است که چگونه می توان از مشاهداتی به فرم سری زمانی اسکالر از فرآیند، که تنها اطلاعات ما در مورد بعضی از سیستم ها می باشد، به ساختار فضای حالت با بُعد محدود رسید. بازسازی فضای حالت بر مبنای نظریه محاط بنا شده که کاربرد آن مستلزم تعیین مقدارهای مناسبی برای دو پارا...
متن کاملبررسی تأثیر احداث سد گتوند بر تغییرات سری زمانی پارامترهای کیفی جریان
در این تحقیق روند تغییرات متغیرهای کیفی دو ایستگاه هیدرومتری سوسن و گتوند به منظور بررسی اثر احداث سد گتوند بر روی رودخانه کارون مورد ارزیابی قرار گرفت. متغیرهای کیفی مورد بررسی شامل TDS، EC (هدایت الکتریکی)، pH و SAR در دوره آماری 1391- 1377 می‌باشد. نتایج حاصل از آزمون من- کندال اصلاح شده برای ایستگاه هیدرومتری سوسن نشان داد که متغیر TDS تلفیقی از روند افزایشی و کاهشی را در مقیاس ماهانه تجربه...
متن کاملهم انباشتگی در مدلهای سری زمانی فصلی
در این پایان نامه ابتدا به مرور مفاهیمی چون فرآیندهای تصادفی، سریهای زمانی مانا و نامانا، ریشه های واحد و آزمونهای ریشه واحد پرداخته و در ادامه به بیان مفهوم هم انباشتگی، مدلهای تصحیح خطا و آزمونهای مربوطه پرداخته و سپس ریشه های واحد و هم انباشتگی در سری های زمانی فصلی، برآورد مدل آنها و آزمونهای مربوطه را ارائه خواهیم داد.
15 صفحه اولبراورد پارامترهای سری های زمانی دینامیکی با استفاده از فضای حالت
مدل های فضای حالت، مدل های گسترده ای از سری های زمانی هستند که کاربردهای بسیاری در علوم مختلف دارند. این مدل ها، فرایندهایی مانند خطی و دوخطی را شامل می شوند. هرگاه یک مدل سری زمانی در قالب یک مدل فضای حالت قرار گیرد، الگوریتم صافی کالمن برای حل معادلات آن و سپس براورد پارامتر و پیش-بینی مورد استفاده قرار می گیرد. الگوریتم صافی کالمن یک روش دینامیکی است که براورد پارامترها و پیش-بینی ها را برای...
بررسی عوامل تأثیر گذار بر تورم در اقتصاد ایران با استفاده از الگوی سری زمانی غیرخطی نوع str
در این مقاله عوامل تأثیر گذار بر تورم با استفاده از الگوی رگرسیونی سری زمانی خطی و غیرخطی (str) در اقتصاد ایران طی دوره ی 87-1338 مورد بررسی قرار می گیرد. در تصریح مدل تورم، علاوه بر در نظر گرفتن متغیرهای مرسوم (نقدینگی، تولید و نرخ ارز) تکانه های مثبت و منفی درآمد نفت، عدم تعادل پولی، عدم تعادل بخش خارجی و شکاف تقاضا نیز مورد توجه قرار گرفته اند. نتایج حاصل شده، فرضیه ی اصلی تحقیق مبنی بر توان...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 12 شماره 1
صفحات 143- 163
تاریخ انتشار 2018-09
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023