基于粒子群优化算法的 AR模型参数估计.pdf

《基于粒子群优化算法的 AR模型参数估计.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年第5期工业仪表与自动化装置·67·基于粒子群优化算法的AR模型参数估计杨柳春(兰州石化职业技术学院电子电气工程系，兰州730060)摘要：利用粒子群优化算法对模型AR(P)参数进行优化，提高了模型的预测精度。采用AIC准则判断出模型的最佳阶数。该估算方法优于传统的基于最小二乘估计和基于灰色理论估计，为此类模型的参数估计提供了一种新思路。关键词：AR(P)模型；PSO算法；参数估计中图分类号：0224文献标志码：A文章编号：1000—0682(2013)05—0067—03ARmodelparameterestimationbasedonparticleswarmoptim

2、izationalgorithmYANGLiuchun(ElectricalEngineeringDepartment，LanzhouPetrochemicalCollegeofTechnology，Lanzhou730060，China)Abstract：UsingtheparticleswarmoptimizationalgorithmtooptimizetheAR(P)modelparameters，improvethepredictionaccuracyofthemode1．TheAICcriterioncandeterminethebestordernumberofthe

3、mode1．Thisestimationmethodissuperiortothetraditionalestimationbasedonleastsquaresestima—tionandgraytheoryestimation．Theestimatedparametersprovidesanewwayofthinkingfortheparame—terestimationofthiskindofmode1．Keywords：AR(P)model；PSOalgorithm；parameterestimation(t)=1(t一1)+2(一2)+⋯+0引言(t—n)十a，a～N(0

4、，：)(1)模型参数估计和适用性检验是时间序列分析中参数估计就是按一定的方法估计出，，⋯，极其重要的内容。对于时间序列自回归预测，。2这n+1个参数。由于有AR(P)模型，其参数估计除了最小二乘和自相关法a=(t)一1(t一1)一2(t一2)一⋯一外，还有协方差法、修正型协方差法、伯格(Burg)法(t—)(2)以及MATLAB中的AR参数估计模块等。这些方法1N算法原理复杂，计算量大，编程时需要熟练地掌握所：(()一qhx(一))(3)用语言的语法、编程和仿真技巧，给工程应用人员于是，一旦估计出就可以按式(3)估计出的使用增加了难度。基于此，该文提出了基于粒子or。，因此，AR(

5、n)模型的参数估计就是指对，群优化算法的AR模型参数估计法，取得了非常好，⋯，这n个参数的估计。的效果。与其他算法比较，该算法精准度高，编程简参数估计的方法分为直接法和间接法2类：直单，易用计算机实现。接法包括最dx_-乘法、解Yule—Walker方程法等；1AR(P)模型参数估计间接法包括LUD法、BSMF法、Burg及自适应法对于时间序列{(t)}(t=1，2，⋯，Ⅳ)，其等。该文提出了基于粒子群优化算法的AR模型参AR(／7,)为：数智能估计的新方法，取得了理想效果。收稿日期：2013—03—122基于粒子群算法的参数优化基金项目：甘肃省高等学校研究生导师科研项目(1015

6、—03)粒子群优化算法(ParticleSwarmOptimization，作者简介：杨柳春(1956)，男，浙江诸暨人，教授，研究方向为工业电气自动化。PSO)是Kennedy和Eberhart受鸟群觅食行为启发·68·工业仪表与自动化装置2013年第5期于1995年提出的一种全局优化算法。PSO算法(一搜索到的最优位置。种仿生算法)具有搜索能力强、收敛速度快、设置参用于参数估计的PSO算法具体实现过程如下：数少、程序易实现和无需梯度信息等特点。所有的1)初始化粒子群，随机产生所有粒子群的位置粒子(搜索空间中的鸟)都有一个由被优化函数决和速度，并确定粒子的P和G。定的适应值和一个

7、决定它们运动方向和运动距离的2)对每个粒子，将其适应值与该粒子所经历过速度，问题的解就是搜索空间中的一只鸟的位置。的最优位置P的适应值进行比较，如较好，则将其PSO算法的主要特点为：(1)每一粒子都被赋予了作为当前的P。初始随机速度并在解空间中流动；(2)个体具有记3)对每个粒子，将其适应值与整个粒子群所经忆功能；(3)个体的进化主要是它本身的飞行经验历过的最优位置G的适应值进行比较，如较好，则以及同伴的飞行经验进行动态调整，通过迭代找到将其作为当前的G。最优解。在每