陈楠;迪米特里奥斯·吉安娜基斯;拉杜·赫贝;安德鲁·马吉达（Andrew J.Majda）。 隐式间歇不稳定信号参数估计的MCMC算法。 （英语） Zbl 1350.60071号 SIAM/ASA J.不确定性。数量。 2, 647-669 (2014). 摘要：极端事件的预测在科学、工程、金融和许多其他领域都是一个非常重要且具有挑战性的问题。这些地区观察到的极端事件通常与具有间歇性不稳定性的复杂非线性动力学有关。然而，由于缺乏分辨率或对自然动力学的不完全了解，这些不稳定性通常是隐藏的。为了描述具有潜在不稳定性的自然界，采用随机参数化模型作为低阶简化模型。在马尔可夫链蒙特卡罗（MCMC）算法中，采用结合数据增强的贝叶斯推理，将隐藏过程的缺失路径作为增强变量，从部分观测信号中估计简化模型中的参数。然而，直接应用该算法会导致丢失路径的接受率极低。为了克服这一缺点，开发了一种有效的MCMC算法，该算法包括对隐藏进程的预估计。该算法大大提高了接受率，并为低阶简化模型提供了捕捉间歇性极端事件的技巧。 引用于7文件 理学硕士： 60J22型 马尔可夫链中的计算方法 60J10型 马尔可夫链（离散状态空间上的离散时间马尔可夫过程） 60G25型 预测理论（随机过程方面） 2015年1月62日 贝叶斯推断 62M20型 随机过程推断和预测 65二氧化碳 蒙特卡罗方法 65立方厘米40 马尔可夫链的数值分析或方法 62页第12页 统计在环境和相关主题中的应用 94甲15 信息论（总论） 关键词：隐藏进程;间歇;随机参数化模型;参数估计;马尔可夫链蒙特卡罗算法;数据增强;预测 PDF格式BibTeX公司 XML格式引用 \textit{N.Chen}等人，SIAM/ASA J.不确定性。数量。2647-669（2014年；Zbl 1350.60071） 全文： 内政部