×
艾姆克·博塔;马修·亚当斯。;大卫·弗雷泽;Khuong Tran，当;弗雷德里克·贝内特。;克里斯托弗·德罗万迪

具有未知测量误差协方差的静态贝叶斯模型的分量迭代集合卡尔曼反演。 （英语） 兹伯利07765714

反向探测。 39，第12号，文章ID 125014，57 p.（2023）.
概述：集合卡尔曼滤波器（EnKF）是用于高维线性高斯状态空间模型的卡尔曼滤波器的蒙特卡罗近似。EnKF方法也被开发用于高斯似然静态贝叶斯模型的参数推断，其方式类似于似然回火序贯蒙特卡罗（SMC）。这些方法通常称为集合卡尔曼反演（EKI）。与SMC不同，如果似然为非线性和/或非高斯，并且先验值为非高斯，则EKI的推断是渐近有偏的。然而，它的运行速度要快得多。目前，EKI方法的一个很大的局限性是假设测量误差的协方差是完全已知的。我们开发了一种新的方法，称为组件式迭代EKI（CW-IEKI），该方法允许以可忽略的额外成本推断协方差矩阵元素以及模型参数。将该新方法与SMC在线性高斯示例以及四个非线性动力学示例（即模型参数的非线性函数）上进行了比较。非线性示例包括应用于合成数据的一组人口模型、基于农业生产系统模拟器的土壤氮矿化模型、预测水温和光照压力导致海草衰退的模型以及预测珊瑚钙化率的模型。在我们的示例中，我们发现CW-IEKI与SMC具有相对相似的预测性能，尽管具有更大的不确定性，并且运行时间明显更快。
{©2023作者。由IOP出版有限公司出版}

引用于1文件

MSC公司：

65立方厘米 概率方法，随机微分方程
62Fxx公司 参数化推理
65新元 偏微分方程边值问题的数值方法

关键词：

贝叶斯推断;EKI公司;SMC公司;APSIM公司;海草;珊瑚;模型倾斜度
PDF格式BibTeX公司 XML格式引用
\textit{I.Botha}等人，反向概率。39，第12号，文章ID 125014，57页（2023；Zbl 07765714）
全文： DOI程序 arXiv公司
OA许可证

参考文献：

[1] 亚当斯，M.P。；Koh，E.J Y。；维拉斯，M.P。；科利尔，C.J。；兰伯特，V.M。；Sisson，S.A。；Quiroz先生。；McDonald-Madden，E.公司。；McKenzie，L.J。；O'Brien，K.R.，预测海草因累积压力而减少，环境。建模软件。，130 (2020) ·doi:10.1016/j.envsoft.2020.104717
[2] 艾伦·D·E。；布鲁什，P.M。；奥顿·T·G。；施罗德，B.L。；Skocaj，医学博士。；Wang，W。；硕士，B。；Moody，P.M.，澳大利亚昆士兰甘蔗土壤中的氮矿化：I.预测氮矿化的土壤试验评估，土壤研究，57，738（2019）·doi:10.1071/SR19031
[3] Andrieu，C。；Roberts，G.O.，《有效蒙特卡罗计算的伪边缘方法》，《Ann.Stat.》，37，697-725（2009）·Zbl 1185.60083号 ·doi:10.1214/07-AOS574
[4] 《水和废水检验标准方法》（2012年），美国水工程协会
[5] Betancourt，M.，《哈密尔顿蒙特卡罗概念介绍》（2017）
[6] Blömker，D。；席林斯，C。；Wacker，P.，来自集合卡尔曼反演的强收敛数值格式，SIAM J.Numer。分析。，56, 2537-62 (2018) ·Zbl 1432.60067号 ·doi:10.1137/17M1132367
[7] Blömker，D。；席林斯，C。；Wacker，P。；Weissmann，S.，集合卡尔曼反演的适定性和收敛性分析，反问题，35（2019）·Zbl 1432.62325号 ·doi:10.1088/1361-6420/ab149c
[8] Blömker，D。；席林斯，C。；Wacker，P。；Weissmann，S.，随机集合卡尔曼反演的连续时限：强收敛分析（2021）
[9] Bon，J.J。；A.李。；Drovandi，C.，《用替代可能性加速序贯蒙特卡罗法》，统计计算。，31, 62 (2021) ·兹比尔1475.62020 ·doi:10.1007/s11222-021-10036-4
[10] Botha，I.，cwieki，GitHub（2023年）
[11] 汉堡，G。；van Leeuwen，P.J.（范列文，P.J.）。；Evensen，G.，集合卡尔曼滤波器中的分析方案，Mon。《天气评论》，1261719-24（1998）·doi:10.1175/1520-0493（1998）1262.0.CO；2
[12] 查达，新罕布什尔州。；Iglesias，医学硕士。；罗伊宁，L。；Stuart，A.M.，集合卡尔曼反演的参数化，反演问题，34（2018）·Zbl 1515.62041号 ·doi:10.1088/1361-6420//aab6d9
[13] 查达，新罕布什尔州。；Stuart，A.M。；Tong，X.T.，集成卡尔曼反演中的Tikhonov正则化，SIAM J.Numer。分析。，58, 1263-94 (2020) ·Zbl 1447.35337号 ·doi:10.1137/19M1242331
[14] 查达，北。；Tong，X.，非线性环境下集合卡尔曼反演的收敛加速，计算数学，91，1247-80（2021）·兹比尔1486.49049 ·doi:10.1090/com/3709
[15] 科利尔，C.J。；亚当斯，M.P。；Langlois，L。；韦科特，M。；O'Brien，K.R。；麦克斯韦，P.S。；McKenzie，L.，四种热带海草对光照减少的形态响应阈值，Ecol。印度。，67, 358-66 (2016) ·doi:10.1016/j.ecolind.2016.02.050
[16] 科利尔，C.J。；Langlois，L。；Ow，Y。；Johansson，C。；Giammusso，M。；亚当斯，M.P。；O'Brien，K.R。；Uthicke，S.，《输掉一场胜利：热应力和局部压力超过了海洋酸化对热带海草的积极影响》，《新植物学》。，219, 1005-17 (2018) ·doi:10.1111/nph.15234
[17] Del Moral，P。；Doucet，A。；Jasra，A.，《序贯蒙特卡罗采样器》，J.R.Stat.Soc.B，68，411-36（2006）·Zbl 1105.62034号 ·文件编号：10.1111/j.1467-9868.2006.00553.x
[18] 丁，Z。；Li，Q.，Ensemble Kalman采样器：平均场极限和收敛分析，SIAM J.Math。分析。，53, 1546-78 (2021) ·Zbl 1468.35205号 ·数字对象标识代码：10.1137/20M1339507
[19] 达菲尔德，S。；Singh，S.S.，一般可能性的Ensemble Kalman反演，Stat.Probab。莱特。，187 (2022) ·Zbl 1487.62112号 ·doi:10.1016/j.spl.2022.109523
[20] Dunlop，M.M.，贝叶斯反问题中的乘性噪声：MAP估计的适定性和一致性（2019）
[21] Ernst，O.G。；斯普伦克，B。；Starkloff，H-J，贝叶斯反问题中的集合和多项式混沌卡尔曼滤波器分析，SIAM/ASA J.不确定性。量化，3823-51（2015）·Zbl 1339.60041号 ·doi:10.1137/140981319
[22] Evensen，G.，《使用蒙特卡罗方法预测误差统计的非线性准营养模型的序贯数据同化》，J.Geophys。Res.，99（1994）·doi:10.1029/94JC00572
[23] 加利，G。；Solidoro，C.，ATP供应可能比非生物机制（Front）更有助于珊瑚的光增强钙化。3月，科学。，5, 68 (2018) ·doi:10.3389/fmars.20128.00068
[24] 加布诺·伊尼戈，A。；霍夫曼，F。；李伟（Li，W.）。；Stuart，A.M.，《相互作用的朗之万扩散：梯度结构和集合卡尔曼采样器》，SIAM J.Appl。动态。系统。，19, 412-41 (2020) ·Zbl 1447.65119号 ·doi:10.1137/19M1251655
[25] Girolma，M。；Calderhead，B.，Riemann流形Langevin和Hamilton Monte Carlo方法，J.R.Stat.Soc.B，73，123-214（2011）·Zbl 1411.62071号 ·文件编号：10.1111/j.1467-9868.2010.00765.x
[26] 新泽西州戈登。；Salmond，D.J。；Smith，A.F M.，非线性/非高斯贝叶斯状态估计的新方法，IEE Proc。F、 140、107（1993）·doi:10.1049/ip-f-2.1993.0015
[27] Hastings，W.K.，《使用马尔可夫链的蒙特卡罗采样方法及其应用》，《生物统计学》，第57期，第97-109页（1970年）·Zbl 0219.65008号 ·doi:10.1093/biomet/57.1.97
[28] Holzworth，D.P.，APSIM-朝向新一代农业系统模拟的进化，环境。建模软件。，62, 327-50 (2014) ·doi:10.1016/j.envsoft.2014.07.009
[29] 黄，D.Z。；黄，J。；Reich，S。；Stuart，A.M.，大型反问题的有效无导数贝叶斯推理，反问题，38（2022）·Zbl 07611872号 ·doi:10.1088/1361-6420/ac99fa
[30] 黄，D.Z。；施耐德，T。；Stuart，A.M.，《Unscented Kalman反演》（2021年）
[31] Iglesias，M.A.，水库模型中集合数据同化的迭代正则化，计算。地质科学。，19, 177-212 (2014) ·Zbl 1330.86015号 ·doi:10.1007/s10596-014-9456-5
[32] Iglesias，M.A.，PDE约束反问题的正则化迭代集合Kalman方法，反问题，32（2016）·Zbl 1334.65110号 ·doi:10.1088/0266-5611/32/2/025002
[33] Iglesias，医学硕士。；法律，K.J H。；Stuart，A.M.，反问题的集合卡尔曼方法，反问题，29（2013）·Zbl 1311.65064号 ·doi:10.1088/0266-5611/29/4/045001
[34] 伊格莱西亚斯，M。；帕克，M。；Tretyakov，M.V.，树脂传递模塑中的贝叶斯反演，反演问题，34（2018）·Zbl 1446.65097号 ·doi:10.1088/1361-6420/aad1cc
[35] 伊格莱西亚斯，M。；Yang，Y.，集合卡尔曼反演的自适应正则化，逆问题，37（2021）·Zbl 1456.65095号 ·doi:10.1088/1361-6420/abd29b
[36] Jasra，A。；斯蒂芬斯，D.A。；Doucet，A。；Tsagaris，T.，《通过自适应序贯蒙特卡罗推断Lévy驱动的随机波动率模型》，Scand。J.Stat.，38，1-22（2010）·Zbl 1246.91149号 ·数字对象标识代码：10.1111/j.1467-9469.2010.00723.x
[37] 兰·S。；李，S。；Shahbaba，B.，使用深度神经网络对反问题进行贝叶斯不确定性量化，SIAM/ASA J.Uncertain。量化，101684-713（2022）·Zbl 1514.62009年 ·doi:10.1137/21M1439456
[38] Latz，J.，《关于贝叶斯反问题的适定性》，SIAM/ASA J.Uncertain。量化，8451-82（2020）·Zbl 1437.49050号 ·doi:10.1137/19M1247176
[39] Le Gland，FMonbet，VTran，V-D2009集合卡尔曼滤波器的大样本渐近性研究报告RR-7014INRIA·Zbl 1225.93108号
[40] Lee，Y.，l_p系综卡尔曼反演正则化，SIAM J.Sci。计算。，43，A3417-37（2021）·兹比尔1487.65062 ·doi:10.1137/20M1365168
[41] 李·G。；Reynolds，A.C.，数据同化的迭代集合卡尔曼滤波器，SPE J.，14，496-505（2009）·网址：10.2118/109808-PA
[42] 马丁·G·M。；弗雷泽，D.T。；Robert，C.P.，《计算贝叶斯：从1763年到21世纪（2020年）的贝叶斯计算》
[43] Monsalve-Bravo，G.M。；劳森·B·A·J。；Drovandi，C。；Burrage，K。；Brown，K.S。；贝克，C.M。；Vollert，S.A。；Mengersen，K。；McDonald-Madden，E.公司。；Adams，M.P.，《模型模拟中的草率分析：揭示数学模型与数据拟合时的参数不确定性》，《科学》。高级，8（2022）·doi:10.1126/sciadv.abm5952
[44] 帕尔泽，F。；Scherzer，O.，关于线性不适定问题的自适应集合卡尔曼反演的收敛速度，Numer。数学。，152, 371-409 (2022) ·Zbl 1504.47028号 ·doi:10.1007/s00211-022-01314-y
[45] 彼得斯，G.W。；Hosack，G.R。；Hayes，K.R.，通过自适应粒子马尔可夫链蒙特卡罗选择生态非线性状态空间模型（AdPMCMC）（2010）
[46] 普罗伯特，M.E。；迪梅斯，J.P。；基廷，B.A。；Dalal，R.C。；Strong，W.M.，APSIM的水和氮模块以及休闲系统中水和氮动态的模拟，Agric。系统。，56, 1-28 (1998) ·doi:10.1016/S0308-521X（97）00028-0
[47] 拉姆梅，M.H。；Elsheikh，A.H。；Chen，Y.，用于校准完美和不完美模型的灵活迭代集成平滑器，计算。地质科学。，25, 373-94 (2020) ·Zbl 1453.86043号 ·doi:10.1007/s10596-0200-10008-z
[48] Reich，S。；Weissmann，S.，Fokker-Planck粒子系统的贝叶斯推理：计算方法，SIAM/ASA J.不确定性。量化，9446-82（2021）·Zbl 1473.65274号 ·doi:10.137/19M1303162
[49] 罗伯特·C·P。；Casella，G.，蒙特卡洛统计方法（1999），施普林格·Zbl 0935.62005号
[50] Roberts，G.O。；Rosenthal，J.S.，各种Metropolis-Hastings算法的最佳缩放，《统计科学》。，16, 351-67 (2001) ·Zbl 1127.65305号 ·doi:10.1214/ss/1015346320
[51] Rodolfo-Mpa，R。；费里尔·帕吉斯，C。；费里尔·帕吉斯，C。；加图索，J-P；Gattuso，J-P，温带珊瑚枝角珊瑚对中长期暴露于pCO_2和预计公元2100年温度水平的反应，生物地球科学，7289-300（2010）·doi:10.5194/bg-7-289-2010
[52] 罗斯，M。；亨德比，G。；弗里奇，C。；Gustafsson，F.，《集合卡尔曼滤波器：信号处理的观点》，《欧洲放射防护学会高级信号处理杂志》。，2017, 56 (2017) ·doi:10.1186/s13634-017-0492-x
[53] 席林斯，C。；Stuart，A.M.，《反问题的集合卡尔曼滤波器分析》，SIAM J.Numer。分析。，55, 1264-90 (2017) ·Zbl 1366.65101号 ·doi:10.137/16M105959X
[54] 席林斯，C。；Stuart，A.M.，《集合卡尔曼反演的收敛分析：线性、噪声情况》，应用。分析。，97, 107-23 (2017) ·兹比尔1448.65209 ·数字标识代码：10.1080/00036811.2017.1386784
[55] Schön，T BLindsten，F2017动力系统学习-粒子滤波器和马尔可夫链方法讲稿（可在www.ida.liu.se/disvisions/stima/fokurser/smc/material/SMC2017.pdf上获得）
[56] 南，L.F。；Pettitt，A.N。；Drovandi，C.C.，具有独立马尔可夫链蒙特卡罗建议的序列蒙特卡罗采样器，贝叶斯分析。，14, 753-76 (2019) ·Zbl 1421.62059号 ·doi:10.1214/18-BA1129
[57] 维拉斯，M。；Bennett，F。；Verburg，K。；Adams，M.，《考虑不完善模型中的未知不确定性：氮矿化案例研究》，第120-6页（2021），澳大利亚和新西兰建模与模拟学会
[58] Vollert，S.A。；Drovandi，C。；Monsalve-Bravo，G.M。；Adams，M.P.，《通过分析模型斜率进行战略模型简化：珊瑚钙化的案例研究》，环境。建模软件。，159 (2023) ·doi:10.1016/j.envsoft.2022.105578
[59] 魏斯曼，S。；查达，新罕布什尔州。；席林斯，C。；Tong，X.T.，随机集合卡尔曼反演的自适应Tikhonov策略，逆问题，38（2022）·Zbl 1485.65069号 ·doi:10.1088/1361-6420/aca729文件
[60] 吴杰。；Wen，L。；格林，P.L。；Li，J.等人。；Maskell，S.，基于集合卡尔曼滤波器的序贯蒙特卡罗采样器，用于序贯贝叶斯推断，统计计算。，32, 20 (2022) ·Zbl 1482.62021 ·doi:10.1007/s11222-021-10075-x
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。