自适应过滤预测方法.pptVIP

自 适 应 过 滤 预 测 方 法 1 自适应过滤法的基本原理 2 自适应过滤法的运用过程 1 自适应过滤法的基本原理 一、自适应过滤法的概念 自适应过滤法就是从自回归系数的一组初始估 计值开始利用公式： 逐次迭代，不断调整，以实现自回归系数的最优化。 二、自适应过滤法的优点 （1）简单易行，可用标准程序上机运算。 （2）适用于数据点较少的情况。 （3）约束条件较少。 （4）具有自适应性，它能自动调整回归系数， 是一个可变系数的数据模型。 2 自适应过滤法的运用过程 一、自适应过滤法的基本步骤 1）首先确定模型阶数P ， 2）选择合适的滤波参数k ， 3）计算每一次残差e ， 4）根据残差e以及调整公式 ，计算下一轮的系数， 5）迭代直到取得合适的系数。 二、滤波常数K的选择 （1）k越接近于1可以减少迭代次数， （2）为了避免太大的k而导致的误差序列的发散 性，k应小于或等于1/P， （3）根据Box-Jenkins方法的基本知识， ，  而Widrow将其表述为： 例 题 ? 例1 假定有一时间序列如下表所示，用权数个数P=4的自适应过滤法求进行预测，模型为： t 1 2 3 4 5 6 7 8 9 10 Yt 2 4 6 8 10 12 14 16 18 20 解答： （1）由于权数P=4,首先确定滤波常数k。 因此，取k=0.0008 （2）初始系数： （3）t的取值从P=4开始。t=4时： 1） 2） 3）根据 调整系数： 这里，1）~3）即完成了一次迭代（调整），然后t+1再重复以前的步骤。 （4）因此，当t=5时： 1） 2） 3）根据 调整系数： （5）这样进行到t=10时， 但由于没有t=11的观察值Y11，因此 无从计算。第一轮的迭代就此结束，转入把现有的一组作为初始系数，重新开始t=4的迭代过程。这样反复进行，到预测误差（指一轮预测的总误差）没多大改进时，就认为获得了一组最佳系数，以此获得的系数作为最优系数进行模型预测： 谢 谢 ！