...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computers & geosciences >Sampling-free linear Bayesian updating of model state and parameters using a square root approach
【24h】

Sampling-free linear Bayesian updating of model state and parameters using a square root approach

机译：使用平方根方法对模型状态和参数进行无抽样线性贝叶斯更新

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a sampling-free implementation of a linear Bayesian filter based on a square root formulation. It employs spectral series expansions of the involved random variables, one such example being Wiener's polynomial chaos. The method is compared to several related methods, as well as a full Bayesian update, on a simple scalar example. Additionally it is applied to a combined state and parameter estimation problem for a chaotic system, the well-known Lorenz-63 model. There, we compare it to the ensemble square root filter (EnSRF), which is essentially a probabilistic implementation of the same underlying estimator. The spectral method is found to be more robust than the probabilistic one, especially for variance estimation. This is to be expected due to the sampling-free implementation.
机译：我们提出了基于平方根公式的线性贝叶斯滤波器的无采样实现。它采用了相关随机变量的频谱级数展开，其中一个例子就是维纳多项式混沌。在一个简单的标量示例中，将该方法与几种相关方法以及完整的贝叶斯更新进行了比较。此外，它还应用于混沌系统的组合状态和参数估计问题，即著名的Lorenz-63模型。在这里，我们将其与整体平方根滤波器（EnSRF）进行比较，后者实质上是同一基础估计量的概率实现。发现频谱方法比概率方法更健壮，尤其是对于方差估计。由于实现了无采样，这是可以预期的。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号