×
哈吉斯皮罗斯（Hatjispyros），斯皮里登·J·。;克里斯托斯·默卡塔斯

借用强度条件下随机动力系统的联合重构与预测。 （英语） Zbl 1414.62394号

混乱 29，第2期，023121，16页（2019年）.
摘要：我们提出了一个基于马尔可夫链蒙特卡罗方法的贝叶斯非参数模型，用于基于受加性动态噪声扰动的多重时间序列数据的离散时间随机动力系统的联合重建和预测。我们引入了成对依赖几何断棒重建（PD-GSBR）模型，该模型依赖于在（mathbb{R}^m）上支持的密度空间上构造一个（m）变量非参数先验。我们关注的是这样一种情况，即至少一个时间序列具有足够大的样本量表示，用于独立和准确的几何断棒估计，如《美国统计协会期刊》第108卷第504期第1339-1349页（2013年；Zbl 1283.62055号)]. 我们的论点是，只要扰动基础动力系统的动力误差过程具有共同特征，代表性不足的数据集就可以在模型估计精度方面受益。在具有任意程度多项式非线性的映射的情况下，具体演示了PD-GSBR估计和预测过程。给出了基于合成时间序列的仿真结果。
©2019美国物理研究所

引用于2文件

MSC公司：

62M20型 随机过程推断和预测
37甲10 生成、随机和随机差分及微分方程
62克07 密度估算
65二氧化碳 蒙特卡罗方法

关键词：

重建;预测;随机动力系统;贝叶斯非参数模型;马尔可夫链蒙特卡罗方法;随机动力系统

引文：

Zbl 1283.62055号
PDF格式BibTeX公司 XML格式引用
\textit{S.J.Hatjispyros}和\textit{C.Merkatas}，混沌29，第2期，023121，16页（2019年；Zbl 1414.62394）
全文： 内政部 arXiv公司

参考文献：

[1] Ott，E.，动力系统中的混沌（2002）·Zbl 1006.37001号
[2] Berliner，L.M.，《统计、概率与混沌》，《统计科学》。，7, 69-90 (1992) ·Zbl 0955.62520号 ·doi:10.1214/ss/1177011444
[3] Chatterjee，S。；Yilmaz，M.R.，《混沌、分形和统计学》，《科学统计》。，7, 49-68 (1992) ·兹比尔0955.37500 ·doi:10.1214/s/s1177011443
[4] Mees，A.I.，《非线性动力学与统计》（2012年）
[5] Ruelle，D。；Takes，F.，关于湍流的性质，Commun。数学。物理。，20, 167-192 (1971) ·Zbl 0223.76041号 ·doi:10.1007/BF01646553
[6] Abarbanel，H.，《观测混沌数据分析》（2012年）
[7] 康茨，H。；Schreiber，T.，非线性时间序列分析（2004）·Zbl 1050.62093号
[8] Jaeger，L。；Kantz，H.，非双曲混沌系统中噪声的同宿切线和非正规雅可比效应，物理学。D非线性现象。，105, 79-96 (1997) ·Zbl 0933.37021号 ·doi:10.1016/S0167-2789（97）00247-9
[9] Arnold，L.，《随机动力系统》，《Springer数学专著》（Springer-Verlag，柏林，1998），第xvi+586页·Zbl 0906.34001号
[10] Smith，L.和Mees，A.，《分离不确定性和误差：非线性系统的可预测性》，载于《非线性动力学和统计学》（Birkhäuser，Boston，2000）。
[11] He，T。；Habib，S.，《混沌与噪音》，《混沌》，23, 033123 (2013) ·Zbl 1323.34062号 ·doi:10.1063/1.4813864
[12] 马尔登，M.R。；布鲁姆黑德，D.S。；Huke，J.P。；Hegger，R.，动态噪声中的延迟嵌入，Dyn。稳定性系统。，13, 175-186 (1998) ·Zbl 0909.62084号 ·doi:10.1080/02681119808806259
[13] Siegert，S。；弗里德里希，R。；彭克，J。
[14] Siefert，M。；Peinke，J.，《随机系统确定性动力学的重建》，国际分岔杂志。混乱，14, 2005-2010 (2004) ·兹比尔1084.37524 ·doi:10.1142/S0218127404010436
[15] 希尔德，J。；Stark，J.，混沌动力学系统模型的噪声级估计，物理学。修订稿。，84, 2366 (2000) ·doi:10.1103/PhysRevLett.84.2366
[16] 斯特鲁米克，M。；Macek，W.M.，动态噪声对非线性映射生成的时间序列的影响，物理学。D非线性现象。，237, 613-618 (2008) ·Zbl 1167.37038号 ·doi:10.1016/j.physd.2007.10.02
[17] Siefert，M.、Kern，M.，Friedrich，R.和Peinke，J.，《如何定量区分非线性动力学、动态噪声和测量噪声》，载于《实验混沌：第八届实验混沌会议》（AIP出版社，2004年），第742卷，第337-344页。
[18] Robert，C.，《贝叶斯选择：从决策理论基础到计算实现》（2007）·Zbl 1129.62003号
[19] Davies，M.，《通过蒙特卡罗采样降低非线性噪声》，混沌，8, 775-781 (1998) ·Zbl 1039.62502号 ·数字对象标识代码：10.1063/116363
[20] 梅耶，R。；Christensen，N.，混沌动力系统的贝叶斯重构，物理学。版次E，62, 3535 (2000) ·doi:10.1103/PhysRevE.62.3535
[21] 梅耶，R。；Christensen，N.，通过扩展卡尔曼滤波对混沌动力系统进行快速贝叶斯重构，Phys。版次E，65, 016206 (2001) ·doi:10.1103/PhysRevE.65.016206
[22] 麦克沙里，体育。；Smith，L.A.，《噪声数据的更好非线性模型：最大似然吸引子》，Phys。修订稿。，83, 4285 (1999) ·doi:10.1103/PhysRevLett.83.4285
[23] 斯迈扬斯基，V。；Luchinsky，D.G。；Timucin博士。；Bandrivsky，A.，从轨迹测量重建随机非线性动力学模型，物理学。修订版E，72, 026202 (2005) ·doi:10.1103/PhysRevE.72.026202
[24] Luchinsky，D.G。；斯迈扬斯基，V.N。；Duggento，A。；McClintock，P.V.，非平稳动力学的推理框架。一、理论、物理学。版次E，77, 061105 (2008) ·doi:10.1103/PhysRevE.77.061105
[25] 松本，T。；Y.中岛。；齐藤，M。；Sugi，J。；Hamagishi，H.，《非线性动力系统的重构和预测：层次贝叶斯方法》，IEEE Trans。信号处理。，49, 2138-2155 (2001) ·Zbl 1369.93599号 ·doi:10.1109/78.942641
[26] Y.中田。；松本，T。；Kurihara，T。；Yosui，K.，通过混合蒙特卡罗方案对非线性动力系统进行贝叶斯重建和预测，Signal。工艺。，85, 129-145 (2005) ·Zbl 1148.37313号 ·doi:10.1016/j.sigpro.2004.09.007
[27] 莫尔科夫，Y。；Loskutov，E。；Mukhin，D。；Feigin，A.，来自时间序列的随机动力学模型，Phys。版次E，85, 036216 (2012) ·doi:10.1103/PhysRevE.85.036216
[28] Shinde，M。；Gupta，S.，热带大气噪声中的信号检测，IEEE Trans。社区。，22, 1055-1063 (1974) ·doi:10.1109/TCOM.1974.1092336
[29] Middleton，D.，电磁干扰的统计物理模型，IEEE Trans。电动发电机。Compat.公司。，19, 106-127 (1977) ·doi:10.1109/TEMC.1977.303527
[30] 金泽，K。；萨诺·T·G。；佐川，T。；Hayakawa，H.，随机非热系统的最小模型：非高斯噪声的起源，物理学。修订稿。，114, 090601 (2015) ·doi:10.1103/PhysRevLett.114.090601
[31] Kaloudis，K。；Hatjispyros，S.J.，动态降噪的贝叶斯非参数方法，混沌，28, 063110 (2018) ·Zbl 1395.62272号 ·doi:10.1063/1.5025545
[32] 金泽，K。；萨诺·T·G。；佐川，T。；Hayakawa，H.，非高斯噪声下类Langevin方程的渐近推导及其解析解，J.Stat.Phys。，160, 1294-1335 (2015) ·Zbl 1323.35176号 ·数字对象标识代码：10.1007/s10955-015-1286-x
[33] 罗德里格斯，A。；Ter Horst，E.，《贝叶斯动态密度估计》，贝叶斯分析。，三, 339-365 (2008) ·Zbl 1330.62180号 ·doi:10.1214/08-BA313
[34] Taddy，医学硕士。；Kottas，A.，Markov切换Dirichlet过程混合回归，贝叶斯分析。，4, 793-816 (2009) ·Zbl 1330.62141号 ·doi:10.1214/09-BA430
[35] Jensen，M.J。；Maheu，J.M.，贝叶斯半参数随机波动率建模，J.Econom。，157, 306-316 (2010) ·Zbl 1431.62477号 ·doi:10.1016/j.jeconom.2010.01.014
[36] Griffin，J.E.，使用贝叶斯非参数方法推断非高斯Ornstein-Uhlenbeck过程的无限叠加，J.Financ。经济学。，9, 519-549 (2010) ·doi:10.1093/jjfinec/nbq027
[37] 梅纳，R.H。；Ruggiero，M。；Walker，S.G.，《连续时间贝叶斯非参数建模的几何破胶过程》，J.Stat.Plan。推断，141, 3217-3230 (2011) ·Zbl 1216.62048号 ·doi:10.1016/j.jspi.2011.04.008
[38] 福克斯，E。；M.I.乔丹。；Sudderth，E.B。；Willsky，A.S.，《利用β过程在动力系统之间共享特性》，高级神经信息过程。系统。，22, 549-557 (2009)
[39] Fox，E.B.、Sudderth，E.B.，Jordan，M.I.和Willsky，A.S.，“状态持久性系统的HDP-HMM”，《第25届机器学习国际会议论文集》（ACM，2008），第312-319页。
[40] 尼托·巴拉哈斯，L.E。；Quintana，F.A.，多时间序列分析的贝叶斯非参数动态AR模型，J.time-Ser。分析。，37, 675-689 (2016) ·Zbl 1396.62215号 ·doi:10.1111/jtsa.v37.5
[41] Merkatas，C。；Kaloudis，K。；Hatjispyros，S.J.，重建和预测随机动力系统的贝叶斯非参数方法，混沌，27, 063116 (2017) ·Zbl 1388.37065号 ·数字对象标识代码：10.1063/1.4990547
[42] Ferguson，T.S.，一些非参数问题的贝叶斯分析，Ann.Stat。，1, 209-230 (1973) ·Zbl 0255.62037号 ·doi:10.1214/aos/1176342360
[43] Sethuraman，J.，《Dirichlet priors的建设性定义》，Stat.Sin。，4, 639-650 (1994) ·Zbl 0823.62007号
[44] Fuentes-García，R。；梅纳，R.H。；Walker，S.G.，一种新的贝叶斯非参数混合模型，Comm.Stat.Simul。计算。，39, 669-682 (2010) ·兹比尔1192.62105 ·doi:10.1080/0361091090903580963
[45] Hatjispyros，S.J。；Merkatas，C。；Nicoleris，T。；Walker，S.G.，几何权重先验的相依混合，计算。统计数据分析。，119, 1-18 (2017) ·Zbl 1469.62077号 ·doi:10.1016/j.csda.2017.09.006
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。