Sebuah hibrida model autoregresif nonlinear dengan model input bergerak eksogen dan autoregresif untuk peramalan keadaan mesin jangka panjang. Hong Thom Pham. Van Tung Tran. School Teknik Mesin, Universitas Nasional Pukyong, San 100, Yongdang-dong, Nam-gu, Busan 608-739, Korea Selatan. Tersedia online 15 Oktober 2009. Makalah ini menyajikan peningkatan hibrida nonlinear autoregressive dengan model input NARX eksogen dan model ARMA rata-rata bergerak autoregresif untuk peramalan keadaan mesin jangka panjang berdasarkan data getaran. Dalam penelitian ini, Data getaran dianggap sebagai kombinasi dari dua komponen yang merupakan data deterministik dan kesalahan. Komponen deterministik dapat menggambarkan indeks degradasi mesin, sedangkan komponen kesalahan dapat menggambarkan kemunculan bagian yang tidak pasti. Model peramalan hibrida yang disempurnakan, yaitu model ARM NARX, adalah Dilakukan untuk mendapatkan hasil peramalan dimana model jaringan NARX yang sesuai untuk masalah nonlinier digunakan untuk forec Ast komponen deterministik dan model ARMA digunakan untuk memprediksi komponen kesalahan karena kemampuan yang sesuai dalam prediksi linier Hasil peramalan akhir adalah jumlah hasil yang diperoleh dari model tunggal ini. Kinerja model ARM NARX kemudian dievaluasi dengan menggunakan data. Kompresor metana rendah diperoleh dari rutinitas pemantauan kondisi Untuk menguatkan kemajuan metode yang diusulkan, studi perbandingan hasil peramalan yang diperoleh dari model ARM NARX dan model tradisional juga dilakukan. Hasil komparatif menunjukkan bahwa model NARX ARMA luar biasa dan Dapat digunakan sebagai alat potensial untuk memperkirakan keadaan mesin. Autoregresif bergerak rata-rata ARMA. Nonlinear autoregressive dengan input NARX. Long prediksi jangka panjang. Mesin negara peramalan. Fig 1 Gambar 2 Gambar 3 Gambar 4.Tabel 1 Gambar 5 Gambar 6 Gambar 7 Gambar 8 Gambar 9 Gambar 10.Tabel 2 Gambar 11 Gambar 12.Tabel 3 Gambar 13 Gambar 14. Penulis yang sesuai Tel 82 51 629 6152 faks 82 51 629 6150.Time seri Kemampuan pemodelan es di Econometrics Toolbox dirancang untuk menangkap karakteristik yang umumnya terkait dengan data keuangan dan ekonometrik, termasuk data dengan ekor gemuk, pengelompokan volatilitas, dan efek pengungkitan. Model kondisional bersyarat termasuk. Rata-rata bergerak maju ARMA. Autoregresif dengan rata-rata input eksogen ARMAX. Autoregressive integrated moving average ARIMA dengan input eksogen ARIMAX. Regression dengan istilah error ARIMA. Model varians bersyarat yang kondusif termasuk. Gasifikasi kuat bersyarat autoregressif. GARCH. Glosten-Jagannathan-Runkle GJR. Exponential GARCH EGARCHDengan Econometrics Toolbox, Anda dapat memilih dan menguji model Dengan menentukan struktur model, mengidentifikasi urutan model, memperkirakan parameter, dan mengevaluasi residu Berbagai diagnostik dan tes pre-and post-estimation mendukung analisis ini, termasuk. Uji odds, Wald, dan Lagrange multiplier untuk spesifikasi model. Akaike dan Informasi Bayesian Kriteria untuk pemilihan model pesanan. Uji awal untuk mengetahui efek ARCH GARCH. Autokorelasi sampel, korelasi silang, dan fungsi autokorelasi parsial. Tes portmanteau Passjung Q untuk uji aktivitas autokorelasi. Aksara Marker Fuller dan Phillips-Perron. KPSS dan uji stasioner Leybourne-McCabe. Engle-Granger dan tes Johansen untuk kointegrasi. Variance ratio test untuk random walks. Structural change detection chowtest cusumtest and recreg functions. Robust regression estimators HAC and FGLS. Testing dari NASDAQ Composite Index price series dan return left Untuk autokorelasi dan autokorelasi parsial Seri pengembalian mentah tidak memiliki korelasi yang tepat, dan korelasi ada di kuadrat kembali di bawah data p-toggle lightbox. Testing rangkaian harga Indeks Harga NASDAQ dan pengembalian tersisa untuk autokorelasi dan autokorelasi parsial. Seri return tidak memiliki korelasi atas kanan, dan korelasi hadir dalam kuadrat kembali Kanan bawah. Regresi Linear Linier. Pendekatan standar, frequentist terhadap model regresi linier berganda umumnya memperlakukan koefisien regresi sebagai jumlah tetap dan tidak diketahui dan gangguan model sebagai variabel acak Pendekatan Bayesian memperlakukan baik koefisien dan gangguan sebagai variabel acak, yang memungkinkan koefisien untuk Berubah seiring pengamatan baru yang tersedia, Econometrics Toolbox menyediakan fungsi untuk memperkirakan dan mensimulasikan model regresi linier Bayesian, termasuk regresi laso Bayesian Anda dapat membuat objek model yang paling menggambarkan asumsi terdahulu Anda pada distribusi gabungan koefisien regresi dan varians gangguan Kemudian, dengan menggunakan Model dan data, Anda dapat memperkirakan karakteristik distribusi posterior, mensimulasikan dari distribusi posterior, atau perkiraan respons dengan menggunakan distribusi posterior prediktif. Dengan memasukkan model regresi linier Bayesian yang kuat ke data dengan outlier p data-toggle lightbox. Econometrics Toolbox menyediakan fungsi untuk pemodelan model ruang-waktu invarian atau waktu yang bervariasi, linier, Gaussian state-space Anda dapat membuat model ruang negara dengan nilai parameter yang diketahui, melakukan simulasi Monte Carlo, dan menghasilkan prakiraan dari model Untuk model dengan nilai parameter yang tidak diketahui, Anda dapat melakukan estimasi parameter dari kumpulan data lengkap atau dari kumpulan data dengan data yang hilang menggunakan filter Kalman. Meluncurkan model Diebold Li, termasuk memperkirakan parameter model dengan filter Kalman menggunakan model ssm p-toggle lightbox. Meluncurkan Model Diebold Li, termasuk memperkirakan parameter model dengan filter Kalman menggunakan model ssm. Econometrics Toolbox memiliki seperangkat alat lengkap untuk membangun model volatilitas dengan variasi waktu Kotak peralatan mendukung beberapa varian model GARCH univariat, termasuk standar ARCH GARCH Model, serta model EGARCH dan GJR asimetris yang dirancang untuk menangkap pengaruh leverage pada pengembalian aset Kotak peralatan juga mendukung t Dia melakukan simulasi model volatilitas stokastik. Mengukur risiko pasar dari portofolio indeks ekuitas hipotetis global dengan menggunakan simulasi Monte Carlo. Memperkirakan risiko pasar dengan menggunakan teknik simulasi bootstrap dan disaring historis. Plot menunjukkan residu yang disaring dan volatilitas pengembalian portofolio dari AR 1 EGARCH 1,1 Model atas kanan, portofolio simulasi kembali melewati horizon satu bulan yang tersisa, dan fungsi distribusi probabilitas di kanan bawah. Pilih Negara Anda. Pilih negara Anda untuk mendapatkan konten terjemahan jika tersedia dan melihat acara dan penawaran lokal Berdasarkan lokasi Anda, kami merekomendasikan Yang Anda pilih. Anda juga dapat memilih lokasi dari daftar berikut. Asia Pacific. Explore Products. Learn to Use. Get Support. About MathWorks. Accelerating the pace of engineering and science. MathWorks adalah pengembang perangkat lunak komputasi matematika untuk insinyur terkemuka Dan ilmuwan. c adalah vektor offset konstan, dengan n elements. i adalah matriks n - by untuk masing-masing i i adalah aut Matriks oregresif Ada matriks autoregresif p, dan beberapa dapat seluruhnya terdiri dari zeros. t adalah vektor inovasi tidak berkorelasi serentak, vektor dengan panjang n T adalah vektor acak normal multivariat dengan matriks kovarians. Matriks n - by - n Untuk masing-masing j The j bergerak matriks rata-rata Ada q matriks rata-rata bergerak, dan beberapa dapat seluruhnya terdiri dari nol. Sebuah vektor konstan koefisien tren waktu linier, dengan n elements. xt adalah vektor r - by - 1 yang mewakili eksogen Istilah pada setiap waktu adalah jumlah deret eksogen. Istilah eksogen adalah data atau input yang tidak diprakarsai selain rangkaian waktu respon. Setiap rangkaian eksogen muncul di semua persamaan respon. Umumnya, deret waktu yt dan xt dapat diamati Dengan kata lain, Jika Anda memiliki data, ini mewakili satu atau kedua rangkaian ini Anda tidak selalu tahu koefisien koefisien tren offset c matriks autoregresif i dan matriks rata-rata bergerak j Anda biasanya ingin menyesuaikan t Parameter ke data Anda Lihat perkiraan cara untuk memperkirakan parameter yang tidak diketahui Inovasi tidak dapat diamati, setidaknya dalam data, meskipun dapat diamati dalam simulasi. Econometrics Toolbox mendukung pembuatan dan analisis model VAR p menggunakan metode varm dan metode terkait. . Perwakilan Operator Terowongan. Ada representasi setara dengan persamaan autoregresif linier dalam hal operator lag Operator lag L memindahkan indeks waktu kembali oleh satu L ytyt 1 Operator L m memindahkan indeks waktu kembali oleh m L mytyt m. In Lag operator bentuk, persamaan untuk model pq SVARMAX menjadi. 0 i 1 p i L i y t c x t 0 j 1 q j L j t. Persamaan ini dapat ditulis sebagai. Pilih Negara Anda.
No comments:
Post a Comment