由于传统求解时间序列自回归(auto-regressive,AR)模型的最小二乘方法无法顾及设计矩阵误差,现有的AR模型迭代解法难以应用协方差传播率给出较为精确的精度评定公式。将块自助采样方法引入到AR模型精度评定研究中,并在其基础上借助Siev...由于传统求解时间序列自回归(auto-regressive,AR)模型的最小二乘方法无法顾及设计矩阵误差,现有的AR模型迭代解法难以应用协方差传播率给出较为精确的精度评定公式。将块自助采样方法引入到AR模型精度评定研究中,并在其基础上借助Sieve自助法的思想,定义了顾及设计矩阵误差AR模型精度评定的Sieve块自助采样方法。根据不同的分块准则和采样策略,给出了4种方法的重采样步骤。模拟实验结果表明,精度评定的Sieve块自助采样方法能够得到比最小二乘法、经典的AR模型迭代解法更加可靠的自回归系数标准差,具有更强的适用性。同时,北斗卫星精密钟差真实案例表明,所提出的Sieve移动块自助法、Sieve非重叠块自助法、Sieve圆形块自助法以及Sieve静止块自助法的均方根(root mean square,RMS)比总体最小二乘的RMS分别减小了70.25%、78.65%、70.89%和79.24%,进一步验证了所提算法的有效性和可靠性,为时间序列AR模型的精度评定问题提供了一种采样思路。展开更多
在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观...在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观测方程进行等价变换巧妙实现了在最小二乘框架下求解自回归问题。利用模拟数据及实测数据分别对新算法进行了内符合精度检验,并利用实测数据对新算法进行外符合精度检验,结果表明新算法得到的结果显著优于奇异值分解(singular value decomposition,SVD)解法及传统最小二乘解法,验证了算法的精度和有效性。展开更多
文摘由于传统求解时间序列自回归(auto-regressive,AR)模型的最小二乘方法无法顾及设计矩阵误差,现有的AR模型迭代解法难以应用协方差传播率给出较为精确的精度评定公式。将块自助采样方法引入到AR模型精度评定研究中,并在其基础上借助Sieve自助法的思想,定义了顾及设计矩阵误差AR模型精度评定的Sieve块自助采样方法。根据不同的分块准则和采样策略,给出了4种方法的重采样步骤。模拟实验结果表明,精度评定的Sieve块自助采样方法能够得到比最小二乘法、经典的AR模型迭代解法更加可靠的自回归系数标准差,具有更强的适用性。同时,北斗卫星精密钟差真实案例表明,所提出的Sieve移动块自助法、Sieve非重叠块自助法、Sieve圆形块自助法以及Sieve静止块自助法的均方根(root mean square,RMS)比总体最小二乘的RMS分别减小了70.25%、78.65%、70.89%和79.24%,进一步验证了所提算法的有效性和可靠性,为时间序列AR模型的精度评定问题提供了一种采样思路。
文摘在自回归模型求解中,设计矩阵和观测值均存在误差,传统的最小二乘法不能很好地解决这一问题。本文提出了一种顾及设计矩阵误差的AR模型新解法,通过引入虚拟观测值,使观测向量与设计矩阵不仅同源而且带误差的元素个数相同,然后通过对观测方程进行等价变换巧妙实现了在最小二乘框架下求解自回归问题。利用模拟数据及实测数据分别对新算法进行了内符合精度检验,并利用实测数据对新算法进行外符合精度检验,结果表明新算法得到的结果显著优于奇异值分解(singular value decomposition,SVD)解法及传统最小二乘解法,验证了算法的精度和有效性。
