×
奥默·丹尼斯·阿基尔迪斯；约阿奎因·米格斯

微动微粒过滤器。 （英语） Zbl 1436.62447号

统计计算。 30，第2号，305-330（2020）.
摘要：我们研究了一种新的采样方案，旨在在以下情况下提高粒子滤波器的性能：（a）假设的模型动力学与实际系统之间存在显著的不匹配，或（b）后验概率趋向于集中在状态空间的相对较小区域。所提出的方案将一些粒子推向可能很高的特定区域，这种操作被称为轻推在地球物理学文献中。我们以适用于任何粒子过滤方案的形式重新解释微移，因为它不涉及算法其余部分的任何更改。由于粒子被修改，但重要性权重没有考虑到这种修改，因此使用微调会导致结果估计值中的额外偏差。然而，我们解析地证明了微移粒子滤波器仍然可以在与传统粒子方法相同的误差率下达到渐近收敛。简单的分析还产生了对微调操作的另一种解释，解释了其对模型错误的鲁棒性。最后，我们给出了数值结果，说明了使用该方案可以实现的改进。特别是，我们给出了使用合成数据的非线性跟踪示例和使用真实财务数据的模型推理示例。

引用于2文件

MSC公司：

62M20型 随机过程推断和预测
62P05号 统计学在精算学和金融数学中的应用
62G35型 非参数稳健性

关键词：

粒子滤波；轻推；鲁棒滤波；数据同化；模型错误；近似误差

软件：

FinTS公司
PDF格式BibTeX公司 XML格式引用
\textit｛Ö.D.Akyildiz｝和\textit｛J.Míguez｝，《统计》。30，第2号，305-330（2020；Zbl 1436.62447）
全文： 内政部 arXiv公司

参考文献：

[1] Ades，M。；Van Leeuwen，Pj，《等效重量粒子过滤器的探索》，Q.J.R.Meteorol。Soc.，139，672，820-840（2013）
[2] Ades，M。；Van Leeuwen，Pj，高维系统中的等效重量粒子滤波器，Q.J.R.Meteorol。Soc.，141，687，484-503（2015）
[3] 安德森（Bdo Anderson）；Moore，Jb，《最佳过滤》（1979），《恩格尔伍德悬崖：普伦蒂斯·霍尔》，恩格尔伍德崖·兹伯利0688.93058
[4] Andrieu，C。；Doucet，A。；Holenstein，R.，《粒子马尔可夫链蒙特卡罗方法》，J.R.Stat.Soc.：Ser。B（Stat.Methodol.），72，3，269-342（2010年）·Zbl 1411.65020号
[5] 阿特金斯，E。；Morzfeld，M。；Chorin，Aj，隐式粒子方法及其与变分数据同化的关系，Mon。《天气评论》，141、6、1786-1803（2013）
[6] 贝恩，A。；Crisan，D.，《随机过滤基础》（2009），柏林：施普林格出版社，柏林·Zbl 1176.62091号
[7] Bengtsson，T。；比克尔，P。；Li，B.，《重新审视多维度的诅咒：超大规模系统中粒子过滤器的崩溃》，《概率与统计：纪念大卫·A·弗里德曼的论文》，316-334（2008），比奇伍德：比奇伍德数学统计研究所·Zbl 1166.93376号
[8] 伯纳多，Jm；Smith，Afm，贝叶斯理论（1994），纽约：威利，纽约
[9] Bertsekas，Dp，《动态规划和最优控制》（2001），贝尔蒙特：雅典娜科学出版社·Zbl 1083.90044号
[10] Bubeck，S.等人：凸优化：算法和复杂性。已找到。趋势\（{\textregistered}\）马赫。学习。8(3-4), 231-357 (2015) ·Zbl 1365.90196号
[11] 肖邦，N.，序贯蒙特卡罗方法的中心极限定理及其在贝叶斯推断中的应用，《Ann.Stat.》，32，6，2385-2411（2004）·Zbl 1079.65006号
[12] Chorin，Aj；Tu，X.，《粒子过滤器的隐式采样》，Proc。国家。阿卡德。科学。，106, 41, 17249-17254 (2009)
[13] Chorin，A。；Morzfeld，M。；Tu，X.，用于数据同化的隐式粒子滤波器，Commun。申请。数学。计算。科学。，5, 2, 221-240 (2010) ·Zbl 1229.60047号
[14] Crisan博士。；Doucet，A。；De Freitas，北卡罗来纳州。；Gordon，N.，《粒子过滤器——理论视角》，《实践中的序贯蒙特卡罗方法》。工程和信息科学统计，17-41（2001），纽约：施普林格，纽约·Zbl 1056.93573号
[15] Crisan，D。；Doucet，A.，粒子滤波收敛结果调查，IEEE Trans。信号处理。，50, 3, 736-746 (2002) ·Zbl 1369.60015号
[16] Crisan，D。；Miguez，J.，状态空间Markov模型中递归参数估计的嵌套粒子滤波方案随时间的一致收敛，Adv.Appl。可能性。，49, 4, 1170-1200 (2017) ·Zbl 1432.62320号
[17] Crisan博士。；Miguez，J.，离散时间状态空间马尔可夫模型在线参数估计的嵌套粒子滤波器，Bernoulli，24，4，3039-3086（2018）·Zbl 1414.62346号
[18] Dahlin，J.，Schön，T.B.：粒子Metropolis-Hastings在非线性动力学模型中的推理入门。arxiv:1511.01707（2015）
[19] Del Moral，P.，Miclo，L.：分支和相互作用粒子系统。Feynman-Kac公式的近似及其在非线性滤波中的应用。载于：Azéma J.，Ledoux M.，Emery M.，Yor M.（编辑）Séminaire de ProbabilitéS XXXIV。《数学讲义》，柏林斯普林格，第1729卷，第1-145页（2000）·Zbl 0963.60040号
[20] Del Moral，P.，Feynman-Kac公式：谱系和相互作用粒子系统及其应用（2004），纽约：Springer，纽约·Zbl 1130.60003号
[21] Del Moral，P。；Guionnet，A.，非线性滤波和相互作用粒子系统的中心极限定理，Ann.Appl。可能性。，9, 2, 275-297 (1999) ·Zbl 0938.60022号
[22] Del Moral，P。；Guionnet，A.，《关于相互作用过程的稳定性及其在过滤和遗传算法中的应用》，《安娜·亨利·彭加雷研究所》（B），Probab。Stat.，37，2，155-194（2001）·Zbl 0990.60005号
[23] 杜克，R。；Moulines，E.，加权样本的极限定理及其在序贯蒙特卡罗方法中的应用，《Ann.Stat.》，36，5，2344-2376（2008）·Zbl 1155.62056号
[24] 杜克，R。；Moulines，E。；Olsson，J.，《辅助粒子过滤器的优化》，Probab。数学。统计，29，1，1-28（2009）·Zbl 1176.62092号
[25] Doucet，A。；Godsill，S。；Andrieu，C.，《贝叶斯滤波的序贯蒙特卡罗采样方法》，《统计计算》。，10, 3, 197-208 (2000)
[26] Doucet，A。；De Freitas，N。；戈登，N。；Doucet，A。；De Freitas，N。；Gordon，N.，《序贯蒙特卡罗方法简介》，《实践中的序贯蒙特卡洛方法》。工程和信息科学统计，3-14（2001），纽约：施普林格，纽约·Zbl 1056.93576号
[27] Gordon，N.J.，Salmond，D.J.，Smith，A.F.：非线性/非高斯贝叶斯状态估计的新方法。参见：IEEE Proceedings F（雷达和信号处理），第140卷，第107-113页。IET（1993）
[28] Je Hoke；Anthes，Ra，通过动态初始化技术初始化数值模型，Month。《天气评论》，104、12、1551-1556（1976）
[29] 美国约翰森；Doucet，A.，关于辅助颗粒过滤器的注释，Stat.Probab。莱特。，78, 12, 1498-1504 (2008) ·Zbl 1152.62066号
[30] Kitagawa，G.，非高斯非线性状态空间模型的蒙特卡罗滤波器和平滑器，J.Compute。图表。Stat.，5，1，1-25（1996）
[31] Künsch，Hr，递归蒙特卡罗滤波器：算法和理论分析，Ann.Stat.，33，519983-2021（2005）·Zbl 1086.62106号
[32] 刘，Js；Chen，R.，动态系统的序贯蒙特卡罗方法，美国统计协会，93，443，1032-1044（1998）·Zbl 1064.65500号
[33] Malanote-Rizzoli，P。；Holland，Wr，应用于海洋环流模型的数据约束。第一部分：稳定情况。，《物理学杂志》。海洋学家。，16, 10, 1665-1682 (1986)
[34] Malanote-Rizzoli，P。；Holland，Wr，应用于海洋环流模型的数据约束。第二部分：瞬态涡流解决案例，J.Phys。海洋学家。，1093-1107年8月18日（1988年）
[35] Míguez，J。；Crisan，D。；Djurić，Pm，关于最大后验序列估计和随机全局优化的两种序贯蒙特卡罗方法的收敛性，统计计算。，23, 1, 91-107 (2013) ·兹比尔1322.65004
[36] Oreshkin，Bn；Coates，Mj，《近似粒子滤波器中误差传播分析》，《Ann.Appl。可能性。，21, 6, 2343-2378 (2011) ·Zbl 1231.62174号
[37] 马里兰州皮特；Shephard，N.，《通过模拟过滤：辅助粒子过滤器》，美国统计协会，94，446，590-599（1999）·Zbl 1072.62639号
[38] Robert，Cp，The Bayesian Choice（2007），纽约：Springer，纽约·Zbl 1129.62003号
[39] Shiryaev，An，《概率》（1996），柏林：施普林格出版社，柏林
[40] 斯奈德，C。；Bengtsson，T。；比克尔，P。；Anderson，J.，《高维粒子滤波的障碍》，月。《天气评论》，136、12、4629-4640（2008）
[41] Tsay，Rs，《金融时间序列分析》（2005），纽约：威利，纽约·Zbl 1086.91054号
[42] Van Leeuwen，Pj，《地球物理系统中的粒子过滤》，月刊。《天气评论》，137、12、4089-4114（2009）
[43] Van Leeuwen，Pj，《地球科学中的非线性数据同化：一种非常有效的粒子滤波器》，Q.J.R.Meteorol。Soc.，136，653，1991-1999（2010）
[44] 邹，X。；纳文，I。；Ledimet，F.，使用参数估计的最佳微调数据同化方案，Q.J.R.Meteorol。《社会学杂志》，1185081163-1186（1992）
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。