벡터 외부 회귀 이동 평균 외생 입력

장기 기계 상태 예측을위한 외생 입력 및 자기 회귀 이동 평균 모델의 비선형 자기 회귀 모델의 하이브리드. 홍곤 팜. 반 퉁 트랜스. 부경대 학교 기계 공학과, 남구 용당동 산 100, 부산 608-739, 한국. 이용 가능 온라인 2009 년 10 월 15 일. 본 논문에서는 진동 데이터를 기반으로 장기 기계 상태 예측을위한 외인성 입력 NARX 모델과 자기 회귀 이동 평균 ARMA 모델의 비선형 자기 회귀의 하이브리드 개선을 제시한다. 진동 데이터는 결정적 데이터 및 오류 인 두 가지 구성 요소의 조합으로 간주됩니다. 결정적 구성 요소는 기계의 분해 색인을 나타내는 반면 오류 구성 요소는 불확실 부품의 모양을 나타낼 수 있습니다. 향상된 하이브리드 예측 모델, 즉 NARX ARMA 모델은 다음과 같습니다. 비선형 문제에 적합한 NARX 네트워크 모델을 forec에 사용하는 예측 결과를 얻기 위해 수행 예측 가능한 구성 요소와 ARMA 모델을 사용하여 선형 예측에서 적절한 기능으로 인한 오류 구성 요소를 예측합니다. 최종 예측 결과는 이러한 단일 모델에서 얻은 결과의 합계입니다. 그런 다음 NARX ARMA 모델의 성능을 데이터 NARX ARMA 모델과 기존 모델에서 얻은 예측 결과를 비교 연구 한 결과 NARX ARMA 모델이 우수하다는 것을 알 수있다. 무작위로 이동하는 평균 ARMA. 외생 입력 NARX를 통한 비선형 자기 회귀. 장기 예측. 기계 상태 예측. 그림 1 그림 2 그림 3 그림 4. 테이블 1 그림 5 그림 6 그림 7 그림 8 그림 9 그림 10. 표 2 그림 11 그림 12. 표 3 그림 13 그림 14. 해당 저자 Tel 82 51 629 6152 팩스 82 51 629 6150. Econometrics Toolbox의 es 모델링 기능은 fat tail, 변동성 클러스터링 및 레버리지 효과를 포함한 데이터를 비롯하여 일반적으로 금융 및 계량 경제 데이터와 관련된 특성을 캡처하도록 설계되었습니다. 지원되는 조건부 평균 모델에는 액티브 이동 평균 ARMA가 있습니다. 외생 입력 ARMA를 통한 자동 이동 평균 . ARIMA 오류 조건을 가진 외래 입력 ARIMA. Regression. Autoregressive 통합 이동 평균 ARIMA. 지원 된 조건부 분산 모델을 포함합니다. 일반 자동 회귀 조건부 hetreroscedasticity GARCH. Glosten - Jagannathan - Runkle GJR. Exponential GARCH EGARCH. Econometrics Toolbox를 사용하면 모델을 선택하고 테스트 할 수 있습니다 모델 구조 지정, 매개 변수 산정, 잔차 평가 다양한 사전 / 사후 추정 진단 및 테스트가 모델 분석을위한 우월 비율, Wald 및 Lagrange 승수 테스트를 포함하여 이러한 분석을 지원합니다. Akaike 및 베이지안 정보 ARCH GARCH 효과의 존재 여부를 테스트합니다. 샘플 자기 상관, 상호 상관 및 부분 자기 상관 함수. Lyung-Box Q 포트만 테스트에서 자기 상관을 나타냅니다. Dickey-Fuller 및 Phillips-Perron 단위근 테스트. KPSS와 Leybourne-McCabe 연설 테스트. Engle-Granger와 Johansen은 공적분 테스트. 무작위 걸음 걸이에 대한 변량 비율 테스트. 구조 변화 감지 chowtest cusumtest 및 recreg 함수. 회귀 추정치 HAC 및 FGLS. NASDAQ 종합 지수 가격 시리즈 및 수익률 남음 자기 상관 및 부분 자기 상관 관계 원시 반환 계열에는 상관 관계 오른쪽 상단이없고 상관 관계는 제곱 된 반환 오른쪽 하단 p 데이터 토글 라이트 상자에 있습니다. NASDAQ 종합 지수의 순위 시리즈 및 자기 상관 및 부분 자기 상관에 대한 수익률 원시 리턴 계열에는 상관 관계 오른쪽 상단이없고 상관 관계는 제곱 된 수익률에 표시됩니다. 베이지안 선형 회귀 모형. 다중 선형 회귀 모형에 대한 표준적이고 빈번한 접근법은 일반적으로 회귀 계수를 고정되어 있지만 미지의 양으로 취급하고 모델 외란을 확률 변수로 취급합니다. 베이지안 접근법은 계수와 외란을 모두 무작위 변수로 취급하여 새로운 관측이 가능해질 때마다 변경 계량 경제학 도구 상자는 베이지안 (Bayesian) lasso 회귀를 포함하여 베이지안 선형 회귀 모델을 추정하고 시뮬레이션하는 기능을 제공합니다. 회귀 계수 및 교란 분산의 공동 분포에 대한 이전 가정을 가장 잘 설명하는 모델 객체를 만들 수 있습니다. 모델 및 데이터를 사용하여 사후 분포의 특성을 예측하거나 사후 분포에서 시뮬레이션하거나 예측 사후 분포를 사용하여 응답을 예측할 수 있습니다. 강력한 베이지안 선형 회귀 모델을 outliers p 데이터 토글 라이트 박스가있는 데이터에 적용합니다. Toolbox는 시간 불변 또는 시간 변화, 선형, 가우시안 상태 공간 모델을 모델링하는 함수를 제공합니다. 알려진 매개 변수 값을 사용하여 상태 공간 모델을 작성하고, 몬테 카를로 시뮬레이션을 수행하며, 모델에서 예측을 생성 할 수 있습니다. 매개 변수 값을 알 수없는 모델의 경우, Kalman 필터를 사용하여 전체 데이터 세트 또는 누락 된 데이터가있는 데이터 세트로부터 매개 변수 추정을 수행 할 수 있습니다. Diebold Li 모델을 구현합니다. ssm 모델 p 데이터 토글 라이트 박스를 사용하여 칼만 필터로 모델 매개 변수를 추정합니다. Diebold Li 모델. ssm 모델을 사용하여 Kalman 필터를 사용하여 모델 매개 변수를 추정합니다. Econometrics Toolbox에는 시변 변동성 모델을 구축하기위한 완벽한 도구 집합이 있습니다. 도구 상자에는 표준 ARCH GARCH 모델을 비롯한 단 변수 GARCH 모델의 여러 변형이 지원됩니다 모델뿐만 아니라 비대칭 EGARCH 및 GJR 모델은 자산 수익의 레버리지 효과를 포착하도록 설계되었습니다. 도구 상자는 또한 t 몬테카를로 시뮬레이션을 사용하여 가상의 글로벌 주식 지수 포트폴리오의 시장 위험을 모델링합니다. 부트 스트래핑 및 필터링 된 히스토리 시뮬레이션 기법을 사용하여 시장 리스크를 예측합니다. 플롯은 필터링 된 잔여 물과 AR 1의 포트폴리오 수익의 변동성을 보여줍니다. 모델 오른쪽 상단에 시뮬레이션 된 포트폴리오가 1 개월 동안 수평으로 돌아오고 확률 분포 함수가 오른쪽 아래에 나타납니다. 국가를 선택하십시오. 가능한 경우 번역 된 컨텐츠를 얻고 지역 이벤트 및 제안을 보려면 국가를 선택하십시오. 위치에 따라 다음 목록에서 위치를 선택할 수도 있습니다. 아시아 태평양. 제품 탐색. 사용 방법 알아보기. 지원을 받으십시오. MathWorks 정보. 엔지니어링 및 과학의 속도를 가속화하십시오. MathWorks는 엔지니어를위한 수학 컴퓨팅 소프트웨어의 선도적 인 개발 업체입니다. 그리고 scientists. c는 n 개의 요소로 구성된 오프셋의 상수 벡터이다. i는 각 i에 대해 n-by-n 행렬이다. i는 aut o regressive matrices p 개의 자기 회귀 행렬이 있고, 일부는 0으로 완전히 구성 될 수있다. t는 연속적으로 상관없는 혁신의 벡터이고, 길이 n의 벡터이다. t는 공분산 행렬을 갖는 다 변수 정규 무작위 벡터이다. j는 n-by-n 행렬 각 j에 대해 j는 이동 평균 행렬입니다. q 개의 이동 평균 행렬이 있고 일부는 0으로 완전히 구성 될 수 있습니다. 선형 시간 추세 계수의 상수 벡터이며, n 개 요소는 외부 요소를 나타내는 r-by-1 벡터입니다. 각 항의 항은 외생 적 시리즈의 수이다. 외생 적 용어는 응답 시간 시리즈 이외에 데이터 또는 기타 모델링되지 않은 입력이다. 각 외생 시리즈는 모든 응답 방정식에 나타난다. 일반적으로 시계열 yt와 xt는 관찰 가능하다. 데이터가있는 경우이 시리즈 중 하나 또는 둘 모두를 나타냅니다. 오프셋을 항상 알 수는 없습니다 트렌드 계수 계수 자동 회귀 매트릭스 i 및 이동 평균 매트릭스 j 일반적으로 t 데이터에 매개 변수 사용하기 미지의 매개 변수를 추정하는 방법에 대한 추정치보기 시뮬레이션에서 관찰 할 수는 있지만 혁신은 최소한 데이터에서는 관찰 할 수 없습니다. 계량 도구 상자는 변수 및 관련 메소드를 사용하여 VAR p 모델의 생성 및 분석을 지원합니다. Lag 연산자 표현. 지연 연산자에 대한 선형 자동 회귀 방정식의 등가 표현이 있습니다. 지연 연산자 L은 시간 인덱스를 1 씩 뒤로 이동합니다. L ytyt 1 연산자 L m은 시간 인덱스를 m 뒤로 이동합니다. m my lag 연산자 양식을 사용하면 SVARMAX pq 모델의 방정식이됩니다. 0 i 1 p i L i y t c x t 0 j 1 q j L j t. 이 방정식은 다음과 같이 쓰여질 수 있습니다. 국가 선택.