×
潘天虹;郭伟;宋英;尹富嘉

使用三次样条近似贝叶斯复合分位数回归算法识别具有内部噪声的维纳模型。 （英语） Zbl 1432.93364号

复杂性 2020年，文章ID 9195819，8 p.（2020）.
摘要：提出了一种三次样条逼近-贝叶斯复合分位数回归算法，用于估计带内噪声的维纳模型的参数和结构。首先，采用高阶ARX模型表示线性块；同时，用三次样条函数逼近非线性块（可逆性）。然后，使用贝叶斯复合分位数回归算法估计参数。为了减少计算负担，引入马尔可夫链蒙特卡罗算法计算参数后验分布的期望值。为了确定结构顺序，分别在非线性块和线性块中使用最终输出误差和Akaike信息准则。最后，通过数值模拟和工业实例验证了该算法的有效性。

MSC公司：

93E12号机组 随机控制理论中的辨识
93E10型 随机控制理论中的估计与检测
65二氧化碳 蒙特卡罗方法
65D07年 使用样条曲线进行数值计算
PDF格式BibTeX公司 XML格式引用
\textit{T.Pan}等人，《复杂性2020》，文章ID 9195819，8 p.（2020；Zbl 1432.93364）
全文： 内政部
OA许可证

参考文献：

[1] Salhi，H。；卡蒙，S。；埃松布利，N。；Hamzaoui，A.，Wiener模型描述的非线性系统的自适应离散滑模控制，国际控制杂志，89，3，611-622（2016）·Zbl 1332.93079号 ·doi:10.1080/00207179.2015.1088964
[2] Hamzaoui，H。；Sheng，C.，使用B样条神经网络对复值Wiener系统建模，神经网络，22，5，818-825（2011）
[3] 李，S。；Ge，Y。；Shi，Y.，基于双正交时空Wiener建模和迭代动态规划的三元复合驱提高采收率，复杂性，2018，1-19（2018）·Zbl 1407.93069号 ·doi:10.1155/2018/9248161
[4] 谭，Q.Y。；Gao，H.L。；Chen，X.，基于Wiener结构的电子节气门体模型识别，第13届IEEE控制与自动化国际会议论文集
[5] Xu，X。；Bai，B。；钱，F.，基于改进差分进化（SADE）算法的维纳模型辨识，系统仿真杂志，28，1，147-153（2016）
[6] Xu，X。；Wang，F。；Qian，F.，基于支持向量机和高阶累积量的非线性Wiener模型盲辨识，IET信号处理，12，6，761-769（2018）·doi:10.1049/iet-spr.2017.0384
[7] 李，J。；Li，X.，有色噪声Wiener系统的粒子群优化迭代辨识算法和梯度迭代辨识算法，复杂性，2018（2018）·Zbl 1398.93346号 ·doi:10.1155/2018/7353171
[8] 卡泽米，M。；Arefi，M.M.，用于高度非线性系统Wiener模型识别的快速迭代递归最小二乘算法，ISA Transactions，67382-388（2017）·doi:10.1016/j.isatra.2016.12.002
[9] Guo，J。；Wang，L.Y。；尹，G。；赵，Y。；Zhang，J.-F.，具有量化输入和二值输出观测的维纳系统识别，Automatica，78280-286（2017）·Zbl 1357.93101号 ·doi:10.1016/j.automatica.2016.12.034
[10] 拉米亚，S。；Djamah，T。；Hammar，K。；Bettayeb，M.，使用多项式非线性状态空间模型的维纳系统辨识，第三届国际控制、工程与信息技术会议论文集（CEIT）
[11] Risuleo，R.S。；Lindsten，F。；Hjalmarsson，H.，Wiener系统的基于核的半参数识别，2018 IEEE决策与控制会议（CDC）论文集
[12] Al-Dhaifallah，M.，识别维纳模型的双支持向量机方法，工程数学问题，2015，2，1-7（2015）·Zbl 1395.62287号 ·doi:10.1155/2015/125868
[13] Lindsten，F。；Schön，T.B。；Jordan，M.I.，贝叶斯半参数维纳系统识别，Automatica，49，7，2053-2063（2013）·Zbl 1364.93831号 ·doi:10.1016/j.automatica.2013.03.021
[14] Jing，S。；潘·T。；Li，Z.，用于识别带有过程噪声的Wiener系统的可变节基样条逼近递归贝叶斯算法，非线性动力学，90，4，2293-2303（2017）·Zbl 1393.93031号 ·doi:10.1007/s11071-017-3803-8
[15] 李，J。；熊，Q。；Feng，L.，基于SISO神经模糊Wiener模型的相关分析方法，过程控制杂志，58，73-89（2017）·doi:10.1016/j.jprocon.2017.08.002
[16] 张，B。；Mao，Z.，Wiener非线性系统的鲁棒自适应控制方法，国际鲁棒与非线性控制杂志，27，3，434-460（2017）·Zbl 1355.93097号 ·doi:10.1002/rnc.3580
[17] Liang，S.L。；李晓伟。；Wang，J.D.，《高级遥感：地球信息提取和应用》（2012），马萨诸塞州剑桥市，美国：爱思唯尔/学术出版社，马萨诸塞诸塞州坎布里奇市，美国
[18] 徐伟（Xu，W.）。；Chen，W。；Liang，Y.，《最小二乘法拟合非高斯噪声数据的可行性研究》，《物理学A：统计力学及其应用》，4921917-1930（2018）·doi:10.1016/j.physa.2017.11.108
[19] Bang，S。；Eo，S.-H。；Jhun先生。；Cho，H.J.，复合核分位数回归，统计中的通信——模拟和计算，46，3，2228-2240（2015）·Zbl 1364.62088号 ·doi:10.1080/03610918.2015.1039133
[20] Lim，Y。；Oh，H.-S.，模型具有自回归误差时分位数回归中的变量选择，《韩国统计学会杂志》，43，4，513-530（2014）·Zbl 1304.62097号 ·doi:10.1016/j.jkss.2014.07.002
[21] Kozubowski，T.J。；Podgórski，K.，不对称拉普拉斯分布，数学科学家，25，1，37-46（2000）·Zbl 0961.60026号
[22] Bleik，J.M.，非对称拉普拉斯分布规范下同步回归分位数的完全贝叶斯估计，概率与统计杂志，2，1-12（2019）·Zbl 1431.62165号
[23] Yu，K。；Moyeed，R.A.，贝叶斯分位数回归，统计与概率快报，40，1，37-40（2001）
[24] 邹，H。；袁明，复合分位数回归与预言模型选择理论，《统计年鉴》，36，3，1108-1126（2008）·Zbl 1360.62394号 ·doi:10.1214/07-aos507
[25] 范，Y。；唐，M。；Tian，M.，变系数单指数模型的复合分位数回归，《统计学中的通信——理论和方法》，45，10，3027-3047（2016）·Zbl 1342.62059号 ·doi:10.1080/03610926.2014.894069
[26] 李伟（Li，W.）。；彭，C。；周，X.，生态系统模型和马尔可夫链蒙特卡罗在参数估计和生产力预测中的应用，生态圈，6，12，1-15（2015）·doi:10.1890/es15-00034.1
[27] 田，Y。；Lian，H。；Tian，M.，线性混合效应模型的贝叶斯复合分位数回归，《统计学中的通信——理论和方法》，46，15，7717-7731（2016）·Zbl 1376.62025号 ·doi:10.1080/03610926.2016.1161798
[28] 刘，M。；萧，Y。；丁，R.，使用牛顿法的维纳非线性系统迭代辨识算法，应用数学建模，37，9，6584-6591（2013）·Zbl 1438.93229号 ·doi:10.1016/j.apm.2013.01.025
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。