Теории управления

height="2" align="LEFT" /> |ѕѕ| ...... |ѕѕ| |ѕѕ|




Разностные модели на примере модели 2-го порядка


(3) - разностная модель 2-го порядка


- приращение, характеризует скорость изменения

процесса


Модель с приращением удобна в том

плане, что не требуется заранее

знать коэффициенты регрессии.


Разностные модели 3-го порядка


(4)


- 1-я разность

- 2-я разность

1-я разность характеризует скорость изменения случайного

процесса.

2-я разность характеризует ускорение.


Модель (3) и (4) очень широко иcпользуется на практи-

ке, т.к. здесь почти нет коэффициентов, которые нужно

идентифицировать ( а и ), они легко подбираются на ЭВМ

по методу наименьших квадратов. Для этого надо иметь ре-

альный процесс отсчетов , модель (4) и нужно воспользо-

ваться следующей формулой МНК/метод наименьших квадратов/


min где, - модель,

- реальный процесс


Суть МНК состоит в следующем :

Есть m-отсчетов реального процесса, есть m-отсчетов

модели, составляется сумма квадратов и подбираются пара-

метры (а,) так, чтобы минимизировать эту сумму (делает-

ся это на ЭВМ)(метод перебора) но в авторегрессии m-го

порядка. Сделать это очень сложно.


Модели скользящего среднего


Пусть - независимая случайная величина, с произвольным распределением (очень часто гауссовское распределение)


М=0 ; М= ; (процесс не коррелирован)

Тогда процесс


(1)


называется процессом скользящего среднего. Этот

процесс сформирован полностью из шума (из белого шума)

путем сдвига и весового суммирования.

( - весовые коэффициенты). Сумма (1) генерирует

процесс . Процесс - коррелированный марковский

процесс.


Генератор скользящего среднего для формулы (1)


a


i


x


: i

:







Модель авторегрессии и скользящего среднего


авторегрессия скользящее среднее

генератор генератор

случайного сигнала авторегресии

Здесь - белый шум;

- марковский(модельный)процесс, n=1,2....

Между генераторами процесс коррелирован.


Многомерная марковская модель


(1) , где

; ;

Это самая распространенная модель


(2)

В модели (1) шумы характеризуются матрицей ковариации в

отличие от авторегрессии, под которой понимается следую-

щее:

; ;

- столбец

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: