基于粒子濾波的動(dòng)態(tài)自回歸預(yù)測(cè)模型方法

張海兵

(昆明船舶設(shè)備研究試驗(yàn)中心 第5室，云南 昆明 650051)

基于粒子濾波的動(dòng)態(tài)自回歸預(yù)測(cè)模型方法

張海兵

(昆明船舶設(shè)備研究試驗(yàn)中心 第5室，云南 昆明 650051)

摘要針對(duì)自回歸模型以固定歷史觀測(cè)序列建模，模型不能隨時(shí)間序列新的觀測(cè)值實(shí)時(shí)更新，導(dǎo)致預(yù)測(cè)中對(duì)序列趨勢(shì)變化適應(yīng)性差，預(yù)測(cè)精度低的問題，提出以粒子濾波動(dòng)態(tài)優(yōu)化調(diào)整自回歸模型的方法，通過對(duì)模型參數(shù)蒙特卡洛采樣得到粒子，以粒子描述模型狀態(tài)變量的演變，采用遞推貝葉斯方法估計(jì)粒子權(quán)重，由粒子及其權(quán)重近似模型參數(shù)的后驗(yàn)濾波值，從而隨觀測(cè)序列的動(dòng)態(tài)獲得不斷更新模型參數(shù)，提高了模型預(yù)測(cè)結(jié)果的精確性，并能給出預(yù)測(cè)結(jié)果的置信區(qū)間。最后以NASA艾姆斯中心鋰離子電池試驗(yàn)數(shù)據(jù)為例，驗(yàn)證了該方法的有效性。

關(guān)鍵詞時(shí)間序列；自回歸模型；粒子濾波；動(dòng)態(tài)更新

時(shí)間序列預(yù)測(cè)是指根據(jù)事物過去已知的狀態(tài)觀測(cè)值，構(gòu)建事物發(fā)展的規(guī)律模型，以此推測(cè)事物的未來狀態(tài)。自回歸(AR)模型完全基于時(shí)間序列自身，以自身歷史數(shù)據(jù)的變化來預(yù)測(cè)自身未來的發(fā)展，具有模型輸入少、簡(jiǎn)單方便等特點(diǎn)，被廣泛應(yīng)用于時(shí)間序列預(yù)測(cè)建模[1-2]。然而AR模型以固定歷史觀測(cè)序列建模，模型在預(yù)測(cè)過程不發(fā)生改變，是一種定常模型，但時(shí)間序列通常是動(dòng)態(tài)發(fā)展和演化的，這種模型的固定性和數(shù)據(jù)的動(dòng)態(tài)發(fā)展性導(dǎo)致AR模型外推預(yù)測(cè)精度隨預(yù)測(cè)步數(shù)的增加降低。雖然AR模型可利用包括新的觀測(cè)值在內(nèi)的現(xiàn)有全部觀測(cè)序列重新建模，但重復(fù)工作量大，計(jì)算代價(jià)昂貴，突出表現(xiàn)在長(zhǎng)周期時(shí)間序列預(yù)測(cè)中。……