![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
, (1.68)
где y(t) – выходной сигнал, u(t) – управление, - сигнал ошибки
,
,
- целые числа, соответствующие транспортному запаздыванию (лагу), вводимому по каждой переменной и группам переменных при выборе структуры модели. Если нелинейная функция f, отражающая специфику поведения системы в динамике, может быть аппроксимирована полиномом, то, ограничиваясь составляющей модели, линейной относительно оцениваемых параметров, для случая
мы можем представить NARMAX – модель (1.68) в следующем виде
(1.69)
Тогда путем введения обозначений
,
,
,
,
,
для N измерений, превышающих число оцениваемых параметров, мы можем получить переопределенную систему уравнений в матричной форме
, (1.70)
где матрица H, содержащая данные измерений, состоит из элементов
, H -
-матрица,
,
где n – число оцениваемых параметров. Вектор выхода
,
вектор оцениваемых параметров
и вектор ошибок
.
Вектор параметров можно оценить с помощью операции псевдоинверсии Мура-Пенроуза, либо методом наименьших квадратов. В частности, согласно МНК, наилучшая оценка
, реализованная путем решения матричного уравнения
(1.71)
позволяет получить минимум критерия качества
.
Известно, что для распределения ошибки обеспечивается несмещенная оценка вектора параметров модели (1.70). В случае плохо обусловленной корреляционной матрицы
, для оценки
используются
-разложение,
-преобразование, либо алгоритм Гивенса. Однако они не обеспечивают оценки каждого параметра в отдельности подобно предложенному алгоритму, базирующемуся на процедуре ортогонализации.
Заметим, что корреляционная матрица , входящая в уравнение (1.71) является симметричной и положительно определенной. Следовательно, возможна ее декомпозиция в форме равенства
, (1.72)
где матрица преобразования - верхняя треугольная, а
- диагональная матрица, состоящая только из элементов, больших нуля. Если определена
, то путем подстановки в (1.70) единичной матрицы
, мы можем получить
, (1.73)
где и
. В этом случае нетрудно найти элементы диагонали матрицы
, входящей в уравнение (1.72). Действительно, если
, (1.74)
то с учетом операции транспонирования произведения матриц
,
можно (1.74) преобразовать к виду
,
а с учетом равенства (1.72), получить саму матрицу
(1.75)
Теперь остановимся на алгоритме вычисления элементов матриц и
. Сначала выберем структуру
:
(1.76)
Введем обозначения элементов корреляционной матрицы со свойствами симметрии:
.
Предлагается следующий вычислительный алгоритм для нахождения элементов и
:
1. Если и
, коэффициенты первой строки
и
рассчитываются с помощью соотношений
,
.
2. Для и
.
3. В случае, если , рассчитывается только коэффициент
по формуле
.
Приведенный вычислительный алгоритм обладает рядом свойств, позволяющих анализировать «внутреннюю» структуру процедуры оценивания параметров модели по результатам измерений. Видно, что для каждого значения коэффициент
в модели (1.73) не зависит от других коэффициентов
. Поэтому выбор структуры модели и, в частности, назначать размерность
можно целенаправленно, с учетом весовой составляющей каждого вводимого коэффициента, вносимой в уменьшение критерия качества. Оценку вектора
, с учетом уравнения (1.73), можно получить с помощью соотношения
.
Однако, поскольку. согласно (1.75), , то оценка
,
и после умножения слева на матрицу нетрудно для
получить аналитические зависимости, позволяющие привести путем ортогонализации оценки параметров (1.71) при наличии коррелируемого сигнала к эквивалентной последовательности, обладающей свойствами белого шума. Среднее значение
,
и, следовательно, для в виде белого шума с нулевым математическим ожиданием при отсутствии корреляции на входе модели
,
что свидетельствует о несмещенной оценке . При этом легко вычисляется матрица ковариации оцениваемых параметров:
где использовано соотношение
.
Тогда ковариацию для вектора оцениваемых коэффициентов модели (1.70) можно представить в терминах (1.73):
.
Рассмотрим пример оценки с помощью приведенного алгоритма коэффициентов производственной функции Кобба-Дугласа по статистическим рядам. Эта функция является моделью экстенсивного способа производства, осуществляемого за счет факторов производства – затрат капитала и трудовых затрат
. В производственную функцию введем время
, что позволит учесть ряд качественных изменений, происходящих в технологических схемах производства. Тогда математическая модель производственной функции принимает вид
, (1.77)
где - объем выпуска продукции,
и
- постоянные коэффициенты, причем
. В модель (1.77) временной фактор введен в виде экспоненциального мультипликатора [24]. Оценку масштабного коэффициента
и постоянных коэффициентов
и
произведем по исходным статистическим рядам, приведенным в работе [24] для внутренней частной экономики США в период с 1947 г. по 1968 г. (см. таблицу 1.3).
Таблица 1.3
Год | Конечный продукт ![]() | Основной капитал ![]() | Отработанные человеко-часы ![]() |
280,2 | 204,2 | 109,3 | |
293,8 | 212,9 | 110,0 | |
292,8 | 196,2 | 109,1 | |
322,9 | 227,4 | 111,3 | |
343,9 | 239,4 | 113,9 | |
352,3 | 244,3 | 113,8 | |
369,8 | 264,9 | 114,9 | |
364,9 | 248,1 | 110,8 | |
395,5 | 282,2 | 114,8 | |
402,8 | 295,2 | 116,5 | |
408,5 | 298,2 | 114,3 | |
403,2 | 269,5 | 111,1 | |
431,1 | 300,4 | 113,7 | |
441,7 | 303,9 | 114,1 | |
449,5 | 302,7 | 113,8 | |
479,5 | 317,0 | 115,5 | |
499,3 | 329,6 | 117,5 | |
522,1 | 351,7 | 119,3 | |
569,9 | 388,2 | 122,2 | |
599,6 | 441,2 | 124,0 | |
612,7 | 447,4 | 123,6 | |
643,4 | 472,9 | 125,2 |
Уравнение (1.77) можно представить в виде функции, линейно зависящей от оцениваемых параметров и
, если вместо данных конечного продукта
, основного капитала
и отработанных человеко-часов
использовать их логарифмы. Тогда, согласно (1.77), получим
или в векторно-матричной форме
,
,
где . Максимальное значение
определяется данными таблицы 1.3 стохастических рядов (с 1947 г. по 1968 г. включительно).
В результате симметрическая матрица
.
Соответственно, коэффициенты матриц ортогональных преобразований и
, согласно алгоритму, рассчитываются с помощью соотношений:
,
,
,
,
,
,
,
.
Можно убедиться в том, что произведение
,
где , и оценка вектора коэффициентов
.
,
Рис.1.1. Результаты моделирования производственной функции
Дата публикования: 2014-11-03; Прочитано: 567 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!