Zaman Serisinde Eksik Değerleri ima etmek için Kalman filtrelerini kullanma


12

Kalman Filtrelerinin Zaman Serisi Verilerindeki eksik değerleri belirtmek için nasıl kullanılabileceği ile ilgileniyorum. Bazı ardışık zaman noktaları eksikse de uygulanabilir mi? Bu konuda fazla bir şey bulamıyorum. Herhangi bir açıklama, yorum ve bağlantılar bekliyoruz ve takdir!


Bu yazı ile ilgileniyor olabilirsiniz . Kalman filtresi aracılığıyla eksik değerleri ima etmek için bir ARIMA modelinin durum uzayı temsiline dayanan bir örnek verir.
javlacalle

@javlacalle teşekkürler, bu yazıyı zaten biliyordum ve somut bir uygulama için harika bir örnek. Ama teorik arka planla ilgileniyorum.
GS9

Yanıtlar:


9

Ön bilgiler: Kalman filtreleme :

Kalman filtreleri formun durum-uzay modelleri üzerinde çalışır (yazmanın birkaç yolu vardır; bu Durbin ve Koopman'a (2012) dayanan kolay bir yöntemdir ; aşağıdakilerin hepsi mükemmel olan bu kitaba dayanmaktadır):

yt=Zαt+εtεt~N-(0,'H)αt1=Tαt+ηtηt~N-(0,S)α1~N-(bir1,P1)

burada , gözlemlenen seridir (muhtemelen eksik değerlerle), ancak tamamen gözlenmez. Birinci denklem ("ölçüm" denklemi), gözlemlenen verilerin belirli bir şekilde gözlemlenmemiş durumlarla ilişkili olduğunu belirtir. İkinci denklem ("geçiş" denklemi), gözlemlenmeyen durumların zaman içinde belirli bir şekilde geliştiğini söyler.α tytαt

Kalman filtresi optimal tahminleri bulmak için çalışır ( Normal olduğu varsayılır: , bu yüzden Kalman filtresi aslında için dağılımın koşullu ortalama ve varyans hesaplamak olduğunu mu neyi zamana kadar olan gözlemlere bağlı ).α t α tN ( a t , P t ) α t tαtαtαt~N-(birt,Pt)αtt

Tipik bir durumda (gözlemler mevcut olduğunda) Kalman filtresi mevcut durumunun tahmin ve mevcut gözlem kullanan sonraki durumu tahmin etmek için mümkün olan en iyi yapmak aşağıdaki gibi:α t + 1ytαt+1

birt+1=Tbirt+Kt(yt-Zαt)Pt+1=TPt(T-KtZ)'+S

burada "Kalman kazancı" .Kt

Bir gözlem olmadığında, Kalman filtresi hala ve mümkün olan en iyi şekilde hesaplamak ister . Yana kullanılamaz, bu ölçüm denklemin faydalanmak olamaz, ama yine de geçiş denklemi kullanabilirsiniz . Böylece, eksik olduğunda Kalman filtresi bunun yerine şunları hesaplar: P t + 1 y t y tbirt+1Pt+1ytyt

birt+1=TbirtPt+1=TPtT'+S

Aslında, verildiğinde , veri olmadan için en iyi tahminim sadece geçiş denkleminde belirtilen evrimdir. Bu, veriler eksik olan herhangi bir süre için yapılabilir.αtαt+1

Orada ise bir veri ardından filtreleme denklem ilk seti verileri olmadan iyi tahminlerinden ve önceki tahmini ne kadar iyi dayalı bir "düzeltme" ekleyin.yt


Imputing data :

Kalman filtresi tüm zaman aralığına uygulandıktan sonra, için durumlarının optimal tahminlerine . Bu durumda ölçüm denklemi yoluyla verileri etkilemek kolaydır. Özellikle, sadece hesaplarsınız:birt,Ptt=1,2,...,T

y^t=Zbirt

Referans olarak Durbin ve Koopman (2012) mükemmel; bölüm 4.10 eksik gözlemleri tartışmaktadır.

  • Durbin, J. ve Koopman, SJ (2012). Durum uzayı yöntemleri ile zaman serisi analizi (No. 38). Oxford Üniversitesi Yayınları.

Daha pürüzsüz bir çözüm kullanmak, (zaten tüm (eksik olmayan) verilere sahip olduğundan, neden gelecekteki değerlerde de bilgileri kullanmıyorsunuz)
Juho Kokkala

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.