Vector Autoregressiva Glidande Medelvärde Med Exogena Ingångar

En hybrid av icke-linjär autoregressiv modell med exogen inmatning och autoregressiv glidande medelmodell för långsiktig maskinstatistikprognos. Hong Thom Pham. Van Tung Tran. School of Mechanical Engineering, Pukyong National University, San 100, Yongdang-dong, Nam-gu, Busan 608-739, Sydkorea. Tillgänglig online den 15 oktober 2009.Det här dokumentet presenterar en förbättring av hybrid av olinjär autoregressiv med exogen inmatning NARX-modell och autoregressiv rörlig genomsnittlig ARMA-modell för långsiktig maskinstatistikprognos baserat på vibrationsdata. I denna studie, Vibrationsdata betraktas som en kombination av två komponenter som är deterministiska data och fel Den deterministiska komponenten kan beskriva maskinens nedbrytningsindex, medan felkomponenten kan visa utseendet på osäkra delar En förbättrad hybridprognosmodell, nämligen NARX ARMA-modellen, är utförda för att få fram prognosresultatet där NARX-nätverksmodell som är lämplig för olinjär problem används för att förec Ast den deterministiska komponenten och ARMA-modellen används för att förutsäga felkomponenten på grund av lämplig förmåga i linjär förutsägelse. De slutliga prognosresultaten är summan av resultaten som erhållits från dessa enskilda modeller. Prestanda för NARX ARMA-modellen utvärderas sedan med användning av data Av lågmetankompressor som förvärvats från tillståndsövervakningsrutinen För att bekräfta framstegen för den föreslagna metoden utförs också en jämförande studie av prognosresultaten från NARX ARMA-modellen och traditionella modeller. De jämförande resultaten visar att NARX ARMA-modellen är enastående och Kan användas som ett potentiellt verktyg för att mäta tillståndsprognos. Utövningsledande medelvärde ARMA. Nonlinjär autoregressiv med exogen inmatning NARX. Långtidsutsikt. Maskinstatistikprognoser. Fig 1 Fig 2 Fig 3 Fig 4. Tabell 1 Fig 5 Fig 6 Fig 7 Fig 8 Fig 9 Fig 10.Tabel 2 Fig 11 Fig 12.Tabel 3 Fig 13 Fig 14.Svarlig författare Tel 82 51 629 6152 fax 82 51 629 6150. Tidig seri es modelleringsfunktioner i Econometrics Toolbox är utformade för att fånga egenskaper som vanligtvis är förknippade med finansiella och ekonometriska data, inklusive data med fetta svansar, volatilitetsklypning och hävstångseffekter. Stödja villkorade medelmodeller inkluderar. Utanriktad rörlig genomsnittlig ARMA. Autoregressivt rörligt medelvärde med exogena ingångar ARMAX. Autoregressivt integrerat glidande medelvärde ARIMA med exogena ingångar ARIMAX. Regression med ARIMA-felvillkor. Stödda villkorliga variansmodeller inkluderar. Generell autoregressiv villkorlig hetreroscedasticitet GARCH. Glosten-Jagannathan-Runkle GJR. Exponential GARCH EGARCH. Med Econometrics Toolbox kan du välja och testa modeller Genom att ange en modellstruktur, identifiera modellordningen, uppskatta parametrar och utvärdera residualer. En mängd diagnostiska och diagnostiska analyser före och efter uppskattning stöder dessa analyser, inklusive sannolikhetsförhållande, Wald och Lagrange multiplikatortest för modellspecifikation. Bayesian informa Ningskriterier för modellorderval. Engels s-test för förekomsten av ARCH GARCH-effekter. Provautokorrelation, korskorrelation och partiella autokorrelationsfunktioner. Ljung-Box Q portmanteau-test för autokorrelation. Dickey-Fuller och Phillips-Perron-enhetstesttest. KPSS och Leybourne-McCabe-stationaritetstest. Engle-Granger och Johansen testar för samverkan. Variansförhållandestest för slumpmässiga promenader. Strukturell förändringsdetektering chowtest cusumtest och recreg functions. Robust regression estimators HAC och FGLS. Testing av NASDAQ Composite Index prisserier och returnerar till vänster För autokorrelation och partiell autokorrelation Rågenomgångserien har ingen korrelation till höger och korrelationen är närvarande i den kvadratiska returen längst ner till höger på data-växlarlampan. Testning av NASDAQ Composite Index-prisserier och avkastning vänster för autokorrelation och partiell autokorrelation Den råa returserien har ingen korrelation till höger och korrelation är närvarande i den kvadrerade returen Nederst till höger. Bayesian Linear Regression. A standard, frekventistiska tillvägagångssätt för multipla linjära regressionsmodeller behandlar generellt regressionskoefficienterna som fasta men okända kvantiteter och modellstörningar som slumpmässiga variabler. En Bayesian-metod behandlar både koefficienterna och störningarna som slumpvariabler, vilket gör att koefficienterna kan Ändra när nya observationer blir tillgängliga Econometrics Toolbox tillhandahåller funktioner för att estimera och simulera Bayesian linjära regressionsmodeller, inklusive Bayesian lasso-regression Du kan skapa ett modellobjekt som bäst beskriver dina tidigare antaganden om gemensam fördelning av regressionskoefficienterna och störningsvariationen. Modell och data kan du uppskatta egenskaper hos de bakre fördelningarna, simulera från de bakre fördelningarna eller prognoser med hjälp av den prediktiva bakre fördelningen. Fatta en robust Bayesian linjär regressionsmodell till data med outliers på data-switch lightbox. Econometrics Verktygslåda ger funktioner för modellering av tidsinvarianta eller tidsvarierande, linjära, gaussiska tillståndsmodellmodeller Du kan skapa tillståndsmodeller med kända parametervärden, utföra Monte Carlo-simuleringar och generera prognoser från modellen. För modeller med okända parametervärden, Du kan utföra parameteruppskattning från fullständiga dataset eller från dataset med saknade data med Kalman-filtret. Genomförande av Diebold Li-modellen, inklusive uppskattning av parametrarna för modellen med ett Kalman-filter med ssm-modellen p data-växlarlampa. Genomförande av Diebold Li-modellen, inklusive uppskattning av modellparametrarna med ett Kalman-filter med ssm-modellen. Econometrics Toolbox har en komplett uppsättning verktyg för att bygga på tidsvariösa volatilitetsmodeller. Verktygslådan stöder flera varianter av univariate GARCH-modeller, inklusive standard ARCH GARCH modeller, samt asymmetriska EGARCH - och GJR-modeller som är utformade för att fånga hävstångseffekter i avkastning. Verktygslådan stöder också t Han simulerar stokastiska volatilitetsmodeller. Modellera marknadsrisken för en hypotetisk global aktieindexportfölj med Monte Carlo-simulering. Estimering av marknadsrisken med bootstrapping och filtrerad historisk simuleringsteknik Plottar visar filtrerade resurser och volatilitet i portföljens avkastning från en AR 1 EGARCH 1,1 Modell till höger, den simulerade portföljen returneras över en månadshorisont vänster och sannolikhetsfördelningsfunktionen längst ner till höger. Välj ditt land. Välj ditt land för att få översatt innehåll där det är tillgängligt och se lokala evenemang och erbjudanden. På grundval av din plats rekommenderar vi Som du väljer. Du kan också välja en plats från följande lista. Asien Pacific. Explore Products. Learn to Use. Get Support. About MathWorks. Accelerating taktiken för teknik och science. MathWorks är den ledande utvecklaren av matematisk datorsystem för ingenjörer och scientists. c är en konstant vektor av förskjutningar, med n element. Jag är n-by-n matriser för varje i. Jag är aut oregressiva matriser Det finns p autoregressiva matriser, och vissa kan helt och hållet bestå av nollor. Det är en vektor av seriekorrelerade innovationer, vektorer med längd n. T är multivariata normala slumpmässiga vektorer med en kovariansmatris. J är n-med-matriser För varje j J är rörliga genomsnittsmatriser Det finns q rörliga genomsnittsmatriser, och vissa kan helt och hållet bestå av zeros. is en konstant vektor av linjära tidsutvecklingskoefficienter, med n elements. xt är en r-by-1 vektor som representerar exogen Termer vid varje tidpunkt tr är antalet exogena serier Exogena termer är data eller andra ofördelade ingångar utöver responstidsserien yt. Varje exogen serie visas i alla svarekvationer. Allmänt är tidsserierna yt och xt observerbara Med andra ord, om du har data representerar den en eller båda serierna Du vet inte alltid offset c trendkoefficientkoefficienten autoregressiva matriser i och flytta genomsnittsmatriser j Du vill vanligtvis passa t Hese parametrar till dina data Se beräkning för sätt att beräkna okända parametrar Innovationerna t är inte observerbara, åtminstone i data, även om de kan observeras i simuleringar. Econometrics Toolbox stöder skapandet och analysen av VAR p-modellen med hjälp av varm och associerad metod. Lag Operator Representation. There är en ekvivalent representation av de linjära autoregressiva ekvationerna i termer av lagoperatörer. Lagsoperatören L förflyttar tidsindexet tillbaka med en L ytyt 1 Operatören L m flyttar tidsindexet tillbaka med m L mytyt m. In Lagoperatörsform blir ekvationen för en SVARMAX pq-modell. 0 i 1 p i L i y t c x t 0 j 1 q j L j t. Denna ekvation kan skrivas som. Välj ditt land.