堤防搶險
[拼音]:guangyi zuixiao ercheng guji
[英文]:generalized least squares estimate
用迭代的鬆弛演算法對線性最小二乘估計的一種改進。線性最小二乘估計在模型誤差為相關噪聲時是有偏估計,即其估計值存在偏差。這時採用廣義最小二乘估計能獲得較精確的結果。
假設所討論的單輸入單輸出系統的差分方程模型是
式中{uk}和{yk}分別是輸入和輸出序列:
和
是運算元多項式,它們的係數是需要通過估計來求出的未知數;z-1是單位延遲運算元;{ek}是誤差序列,它是零均值平穩相關噪聲序列。為了進行廣義最小二乘估計可以從形式上把ek變換成
,這裡
,它的係數也是未知的。如果{ek}具有有理譜密度,則可把{εk}當作白噪聲序列來處理。這樣就把系統模型變成
相應的估計準則是
廣義最小二乘估計就是使估計準則J為極小的引數估計。多項式A(z-1)、B(z-1)和C(z-1)的係數都是未知的,所以不能用一個線性演算法獲得廣義最小二乘估計。
廣義最小二乘估計採用迭代的鬆弛演算法:先行固定C(z-1),估計A(z-1)和B(z-1),使J 趨於極小;然後固定A(z-1)和B(z-1),估計C(z-1),使 J 趨於極小。如此反覆迭代,直至估計值收斂。這時每步只進行簡單的線性最小二乘估計運算,迭代的初值取扗(z-1)=1。
廣義最小二乘估計演算法的估計精度高,已得到應用並獲得不少成果。它的缺點在於:當信噪比較小時,J可能有多個區域性極小點,估計結果不能保證收斂到全域性最小點,即引數真值;它的計算量也比線性最小二乘估計增加很多。
這種演算法也可推廣到多輸入多輸出系統,並且有相應的近似遞推估計演算法。當誤差{ek}為正態噪聲序列時,這種演算法還可以解釋為極大似然估計的鬆弛演算法。
參考書目
G.G.哥德溫、R.L.潘恩著,張永光、袁震東譯:《動態系統辨識:試驗設計與資料分析》,科學出版社,北京,1983。(G.C.Goodwin and R.L.Payne,Dynamic SystemIdentification:Experiment Design and Data Analysis,Academic Press,New York,1977.)