Студопедия

КАТЕГОРИИ:

АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника


Робастные оценки параметров моделей.




Параметры модели (которые являются оценками параметров объекта), полученные на основе критерия наименьших квадратов, сильно реагируют на выбросы помех [6.9]. Аномальные отклонения в измерениях очень редки, но амплитуда их велика. Рассмотрим простейший пример. Считаем, что модель объекта равна одному параметру: . Из критерия наименьших квадратов (6.2.2) получаем, что есть среднее арифметическое измеренных значений выхода: . Считаем, что измерения выхода упорядочены и одно измерение, например , содержит очень большую помеху. Тогда основной вклад в выход модели вносит слагаемое и выброс существенно искажает модель.

Если в качестве критерия взять не квадратичный (6.1.2), а модульный критерий [6.9]

 

, (6.5.1)

 

то параметром является оценка медианы: среднее по номеру значение
в упорядоченной выборке . Аномальное измерение теперь не меняет параметра . Следовательно, критерий (6.5.1) обеспечивает получение более робастных (более крепких по отношению к выбросам измерений) параметров модели.

Кроме критерия (6.5.1) существуют другие, близкие к нему критерии [6.9]:

 

, (6.5.2)

 

где – известные весовые коэффициенты. Примерами функций являются:

 

(рис. 6.5.1 а); (рис. 6.5.1 б);

 

(рис. 6.5.1 в).

 

4.

Для расчета параметров применим метод последовательной линеаризации. Вначале находим квадратичную аппроксимацию функционала [см. (6.5.2)] относительно траектории ( ), на которой он построен:

. (6.5.3)

 

Здесь – номер итерации; – невязка, – коэффициенты, которые для приведенных на рис. 6.5.1 случаев равны величинам:

 

а) , б) , в) (6.5.4)

 

Теперь подставим в правую часть уравнения (6.5.3) (в квадратичный функционал) линейную аппроксимацию выхода модели

 

(6.5.5)

 

и решаем обычную задачу наименьших квадратов

 

(6.5.6)

относительно приращения параметров :

 

 

. (6.5.7)

 

Следующее приближение параметров вычисляем по формуле (6.2.5):

 

. (6.5.8)

В отличие от обычного критерия наименьших квадратов при использовании неквадратичных критериев в алгоритме метода последовательной линеаризации меняются лишь весовые коэффициенты. Для измерений с выбросами автоматически понижаются весовые коэффициенты. За счет этого повышается робастность оценок.



Поделиться:

Дата добавления: 2015-04-18; просмотров: 160; Мы поможем в написании вашей работы!; Нарушение авторских прав





lektsii.com - Лекции.Ком - 2014-2024 год. (0.006 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав
Главная страница Случайная страница Контакты