کاهش مرتبه مدل فضای حالت مبتنی بر سری زمانی با روش PCA و فیلتر کالمن
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,024
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0809
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
اهمیت مدل سازی فضای حالت و پیش بینی متغیرهای سیستم بر اساس داده های جمع آوری شده، خصوصا درشرایطی که مدلسازی با قوانین فیزیکی حاکم بر سیستم بسیار پیچیده باشد، کاملا مشهود است. با توجه به ماهیتغیرخطی سیستمها، تخمین برخط پارامترهای مدل رگرسیون خطی از طریق تحقق فضای حالت با الحاق پارامترهای مدلبه بردار حالت مورد توجه قرار گرفته است. این روش مدلسازی در شرایطی که بعد محاط سازی سری های زمانی بالا باشدبه افزایش شدید بعد فضای حالت منجر می شود. در این مقاله جهت کاهش بعد سیستم مدل شده مبتنی بر ARIMA ، ایدهنگاشت متغیرهای حالت به فضای جدید با استفاده از روش تحلیل مولفه اصلی PCA ارائه شده که علاوه بر کاهش مرتبهسیستم موجب کاهش نویز داده ها می گردد. تخمین پارامترها و متغیرهای حالت در فضای جدید توسط فیلتر کالمن صورتمی گیرد. ارزیابی روش پیشنهادی از طریق مثال شهودی با مقایسه مدل اصلی با مدل کاهش بعد یافته توسط معیارهایNRMSE و MAPE نشان می دهد که فضای حالت کاهش مرتبه یافته علاوه بر کاهش بعد به افزایش دقت در مدلسازی وپیش بینی متغیرها منجر می گردد.
Keywords:
Authors
نسیم بریمانی
گروه برق- - قدرت، دانشکده مهندسی برق، واحد یادگار امام خمینی (ره) شهرری، دانشگاه آزاد اسلامی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :