Autoregressive चलती - औसत - साथ - बहिर्जात - आदानों

दीर्घकालिक मशीन राज्य की भविष्यवाणी के लिए एक्सोजेनेस इनपुट और आटोरेग्रेजिव लेवलिंग मॉडल के साथ गैर-रेखीय ऑटोरेग्रेसिव मॉडल का हाइब्रिड। यह पत्र लंबी अवधि की मशीन राज्य की भविष्यवाणी के लिए एक्सजेनेस इनपुट एनएआरएक्स मॉडल और ऑटोरेग्रेविंग मूविंग एआरएमए मॉडल के साथ गैर-रेखीय ऑटोरेग्रेसिव के हाइब्रिड में सुधार को दर्शाता है। कंपन डेटा पर आधारित इस अध्ययन में, कंपन डेटा को दो घटकों के संयोजन के रूप में माना जाता है, जो नियतात्मक डेटा और त्रुटि हैं। नियतात्मक घटक मशीन की गिरावट सूचक का वर्णन कर सकता है, जबकि त्रुटि घटक अनिश्चित भागों की उपस्थिति का वर्णन कर सकता है एक बेहतर संकर पूर्वानुमान मॉडल, अर्थात् नारक्स एआरएमए मॉडल, को पूर्वानुमानित परिणाम प्राप्त करने के लिए किया जाता है जिसमें नारेंक्स नेटवर्क मॉडल जो गैर-रेखीय मुद्दे के लिए उपयुक्त है, का उपयोग नियतात्मक घटक के पूर्वानुमान के लिए किया जाता है और एआरएमए मॉडल का इस्तेमाल रेखीय पूर्वानुमान में उचित क्षमता के कारण त्रुटि घटक की भविष्यवाणी करने के लिए किया जाता है अंतिम पूर्वानुमान परिणाम टी की राशि हैं वह इन एकल मॉडलों से प्राप्त हुए परिणाम नारक्स एआरएमए मॉडल के प्रदर्शन का मूल्यांकन तब किया जाता है जब हायर मॉनिटरींग दिनचर्या से प्राप्त कम मीथेन कंप्रेसर के डेटा का उपयोग किया जाता है प्रस्तावित विधि की प्रगति की पुष्टि करने के लिए, से प्राप्त पूर्वानुमान परिणामों के एक तुलनात्मक अध्ययन NARX ARMA मॉडल और परंपरागत मॉडल भी किया जाता है तुलनात्मक परिणामों से पता चलता है कि NARX ARMA मॉडल उत्कृष्ट है और मशीन राज्य की भविष्यवाणी के लिए संभावित उपकरण के रूप में उपयोग किया जा सकता है। बाहरी चलने वाले औसत ARMA. Nonlinear exogenous इनपुट NARX के साथ autoregressive. Long-term prediction मशीन राज्य की भविष्यवाणी। संबंधित लेखक दूरभाष 82 51 629 6152 फैक्स 82 51 629 6150. कॉपीराइट 200 9 एल्सेवियर लिमिटेड सभी अधिकार सुरक्षित। इस साइट द्वारा कुकीज का उपयोग किया जाता है अधिक जानकारी के लिए, कुकीज़ पृष्ठ पर जाएं। कॉपीराइट 2017 एल्सेवियर बी.वी. या उसके लाइसेंसधारक या योगदानकर्ता विज्ञान डायरेक्ट एल्सवीर बी वीसी का एक पंजीकृत ट्रेडमार्क है, ऑफसेट्स के एक निरंतर वेक्टर, एन तत्वों के साथ। मैं एन-बाय - प्रत्येक के लिए एन मैट्रिक्स मैं आटोमैरेसिव मैट्रिक्स हैं। पी autoregressive मैट्रिक्स हैं, और कुछ पूरी तरह से zeros. t से बना हो सकते हैं। क्रमिक रूप से uncorrelated नवाचारों का एक वेक्टर है, लम्बाई के वैक्टर एन टी एक बहुसंख्यक मैट्रिक्स के साथ सामान्य यादृच्छिक वैक्टर multivariate हैं। जम्मू प्रत्येक जे के लिए एन-बाय-एन मैट्रिक्स हैं। जे औसत मैट्रिक्स ले जा रहे हैं क्यू चलती औसत मैट्रिक्स हैं, और कुछ पूरी तरह से शून्य से बना हो सकते हैं। n तत्वों के साथ, रेखीय समय प्रवृत्ति गुणांक के एक निरंतर वेक्टर हैं। आर-बी -1 वेक्टर, जो प्रत्येक समय में एक्सजेन्सी शब्द का प्रतिनिधित्व करता है, exogenous श्रृंखला की संख्या है Exogenous शब्द डेटा या अन्य unmodeled इनपुट है प्रतिक्रिया समय श्रृंखला के अलावा प्रत्येक exogenous श्रृंखला सभी प्रतिक्रिया समीकरणों में प्रकट होता है। सामान्यतया, समय श्रृंखला yt और xt देखे जा रहे हैं दूसरे शब्दों में, यदि आपके पास डेटा है, तो ये एक या दोनों श्रृंखलाओं का प्रतिनिधित्व करता है आपको हमेशा ऑफसेट सी प्रवृत्ति गुणांक गुणांक गुणांक के बारे में पता नहीं होता है, और मैटिसिस की औसत चटाई rices j आप आम तौर पर इन मापदंडों को अपने डेटा में फिट करना चाहते हैं अज्ञात मापदंडों का अनुमान लगाने के तरीकों के लिए अनुमान देखें, कम से कम इन आंकड़ों का अनुमान नहीं है, हालांकि इन्हें सिमुलेशन में देखा जा सकता है। ईकॉममेंट्रिक्स टूलबॉक्स VAR के निर्माण और विश्लेषण का समर्थन करता है लैंप ऑपरेटर के संदर्भ में रैखिक ऑटोरेग्रेसिव समीकरणों के समतुल्य प्रतिनिधित्व है। अंतराल ऑपरेटर एल समय सूचकांक को एक एल ytyt 1 से वापस ले जाता है ऑपरेटर एल एम एम समय सूचकांक वापस ले जाता है एम एल मायटेट एम द्वारा। ऑपरेटर फॉर्म के अंत में, एसवीआरएएमएक्स के लिए समीकरण पीके मॉडल बन जाता है। 0 i 1 pi एल iytcxt 0 j 1 qj एल जे टी। इस समीकरण के रूप में लिखा जा सकता है। चयन करें आपका देश सी ऑफसेट्स का निरंतर वेक्टर है, n तत्वों के साथ। I प्रत्येक के लिए एन-बाय-एन मैट्रिक्स हैं i autoregressive matrices हैं autorgressive matrices हैं, और कुछ पूरी तरह से zeros. t से बना हो सकते हैं। क्रमिक रूप से uncorrelated नवाचारों का एक वेक्टर है, लम्बाई के वैक्टर एन टी बहुभिन्नरूपी सामान्य यादृच्छिक वैक्टर हैं, जो एक संप्रभु मैट्रिक्स के साथ हैं। एन हैं एन-बाय-एन प्रत्येक जम्मू के लिए मैट्रिक्स जम्मू औसत मैट्रिक्स ले जा रहे हैं क्यू चलती औसत मैट्रिक्स हैं, और कुछ पूरी तरह से शून्य से बना हो सकते हैं। रैखिक समय प्रवृत्ति गुणांक के निरंतर वेक्टर हैं, n तत्वों के साथ। प्रत्येक समय में exogenous शब्दों exogenous श्रृंखला की संख्या है Exogenous शर्तों डेटा या अन्य unmodeled इनपुट प्रतिक्रिया समय श्रृंखला yt के अलावा है प्रत्येक exogenous श्रृंखला सभी प्रतिक्रिया समीकरणों में प्रकट होता है। सामान्यतया, समय श्रृंखला yt और xt अन्य शब्दों में देख रहे हैं , यदि आपके पास डेटा है, यह एक या दोनों श्रृंखलाओं का प्रतिनिधित्व करता है आपको हमेशा ऑफसेट सी प्रवृत्ति गुणांक गुणांक ऑटरेरेगरिव मैट्रिक्स और औसत मैट्रिक्स चलते हुए नहीं पता है आप आमतौर पर इन मापदंडों को अपने डेटा में फिट करना चाहते हैं अज्ञात मापदंडों का अनुमान लगाने के तरीकों के लिए अनुमान देखें नवाचार टी नहीं हैं कम से कम आंकड़ों में भी, हालांकि वे सिमुलेशन में देखे जा सकते हैं। ईकोमेट्रेटिक्स टूलबॉक्स, वर्ल और संबद्ध विधियों का उपयोग करके वीएआर पी मॉडल के निर्माण और विश्लेषण का समर्थन करता है। लालग ऑपरेटर प्रतिनिधित्व। रैखिक ऑटोरेग्रेसिव समीकरणों के संदर्भ में समतुल्य प्रतिनिधित्व है अंतराल ऑपरेटर एलएजी ऑपरेटर एल समय सूचकांक को एक एल ytyt 1 से वापस ले जाता है। ऑपरेटर एल एम समय सूचकांक को एम एल माइयटीट एम के द्वारा ले जाता है। ऑपरेटर फॉर्म के अंत में, एसवीआरएमएक्स के लिए समीकरण पीके मॉडल बन जाता है। 0 आई 1 पी एल एल वाई टी सी एक्स टी 0 जे 1 क्यू जे एल जे टी। इस समीकरण को लिखा जा सकता है। अपने देश का चयन करें।