Bevezetés a statisztikai rendszer-identifikációba

Szerző

Lektor

'Dr. Várlaki Péter: Bevezetés a statisztikai rendszer-identifikációba ' összes példány

Kiadó:	Műszaki Könyvkiadó
Kiadás helye:	Budapest
Kiadás éve:	1986
Kötés típusa:	Ragasztott papírkötés
Oldalszám:	290 oldal
Sorozatcím:	A gazdasági mérnök
Kötetszám:
Nyelv:	Magyar
Méret:	18 cm x 13 cm
ISBN:	963-109-973-1
Megjegyzés:	83 fekete-fehér ábrával illusztrált. Tankönyvi szám: 42126. Melléklettel.

Értesítőt kérek a kiadóról

Értesítőt kérek a sorozatról

A beállítást mentettük,
naponta értesítjük a beérkező friss
kiadványokról

Előszó

Könyvünk a szabályozáselmélet (kibernetika) és a matematikai rendszerelmélet határterületének tekinthető rendszer-identifikáció statisztikai alapfogalmaival, szemléletével és módszereivel... Tovább

Tartalom

Előszó	9
Bevezetés	15
A rendszer-identifikáció fogalma, jelentősége és feladata	19
A rendszermodellezés általános problémáiról	19
A statisztikai rendszer-identifikáció feladata	22
A statisztikai identifikáció feladatának egyszerűsített (gyakorlati) megfogalmazása	29
A rendszer-identifikáció alkalmazási köre	38
Statikus rendszerek statisztikai identifikálása	41
Becsléselméleti alapfogalmak	41
Alapvető becslési módszerek	43
A maximum likelihood becslési módszer	43
A Bayes-típusú becslésekről	45
Becslés sztochasztikus approximációval	47
Egyváltozós statikus lineáris rendszerek identifikálása	48
Egyváltozós nemlineáris statikus rendszerek identifikálása	51
Többváltozós lineáris statikus rendszerek identifikálása	56
A többváltozós regresszió	56
A parciális és többszörös korrelációs együttható	57
A többváltozós regresszió és a lineáris statikus rendszerek paramétereinek becslése	59
Véletlen folyamatok nemparaméteres statisztikai identifikációja	64
A véletlen (sztochasztikus) folyamatok fogalma és alapvető jellemzése	64
A folytonos stacionárius idősorok (véletlen folyamatok), fogalma és legfontosabb statisztikai jellemzői	69
A folyamatok autospektrumának fogalma és becslése	78
A legfontosabb (elemi) folyamatok autokorreláció-függvényei és autospektrumai	82
A keresztkorreláció-függvény és a keresztsűrűség-spektrum fogalma és becslése folytonos esetben	85
Diszkrét idősorok korreláció- és spektrálanalízise	90
Idősorok (véletlen folyamatok) paraméteres identifikációja	98
Általános megjegyzések	98
A stacionárius idősorok modellezése ARIMA idősor-modellekkel	99
Az AR-, MA- és ARMA-folyamatok autokorreláció-függvényei és autospektrumai	102
Autoregresszív folyamatok autokorreláció-függvényei és autospektrumai	102
A parciális autokorreláció-függvény fogalma	106
A mozgóátlag (MA)-folyamatok autokorreláció-függvénye és autospektruma	107
Az ARMA-folyamatok autokorreláció- és spektrum-függvénye	109
Az idősorok struktúrájának becslése	111
A stacionárius idősorok identifikációja	112
Az előzetes identifikáció elméleti megalapozása	112
Az ARMA (p, q)-folyamat előzetes identifikációjának átlalános módszere	115
Az ARMA-modell paramétereinek becslése	117
A modell illeszkedésének vizsgálata (modellverifikáció)	117
Az idősorok előrejelzése (predikciója)	119
Nemstacionárius idősor-modellek	124
Szezonális idősor-modellek	125
Idősor-modellezés és előrejelzés valamint a modellkarbantartás összefoglalása	126
Lineáris dinamikus rendszerek nemparaméteres identifikálása	145
A lineáris dinamikus rendszerek általános jellemzése, a nemparaméteres identifikáció fogalma	145
A lineáris dinamikus rendszerek modellezési lehetőségei	146
A lineáris dinamikus rendszerek leírása transzferfüggvényekkel, differenciálegyenletekkel és állapotegyenletekkel	147
A lineáris dinamikus rendszerek nemparaméteres leírása integrálegyenletekkel (explicít alakban) és kapcsolata a paraméteres reprezentációkkal	150
Lineáris dinamikus rendszerek statisztikai identifikálása a korrelációs módszerrel	153
Az identifikációs modell leírása a Wiener-Hopf integrálegyenlettel	154
A lineáris dinamikus rendszerek aktív identifikálása korreláció-analízissel	157
A Wiener-Kolomogorov-féle előrebecslési elmélet	158
A Wiener-Hopf integrálegyenlet megoldásának és közelítő meghatározásának módszerei	160
Bevezető megjegyzések, megoldás spektrálfaktorizációval	160
Megoldás diszkrét modellekkel, digitalizált folyamatok alapján	162
A becslési problémákról	164
Diszkrét idejű lineáris dinamikus rendszerek nemparaméteres identifikálása	166
A nemparaméteres lineáris identifikáció adaptív (tanuló) algoritmusai	169
A lineáris dinamikus rendszerek paraméteres identifikálása	174
Transzferfüggvény- és állapottér modellek	175
Folytonos és diszkrét modellek és ekvivalens megfeleltetésük problémája	175
A diszkrét lineáris dinamikus modellek reprezentációi	179
A struktúrabecslés és az előzetes identifikáció elméleti alapjai	183
Az identifikációs modellek additív zaj jelenlétében	185
A transzferfüggvény-modellek és a zajmodell identifikálásának alapjai	191
Az identifikáció feladatának megfogalmazása	191
A transzferfüggvény-modell előzetes identifikációja	192
A zajmodell struktúrabecslése és előzetes identifikációja	205
A transzferfüggvény- és zajmodellek előzetes identifikációjának néhány általános szempontja	210
A transzferfüggvény- és zajmodellek paraméterbecslési módszerei	211
A paraméterbecslési eljárások felépítéséről	211
A legkisebb négyzetek módszere	212
A Markov-féle és a Bayes típusú becslési módszerek	216
A Clarke-féle általánosított legkisebb négyzetek módszere	217
A segédváltozók módszere	219
A Koopmans-Levin-módszer	221
Transzferfüggvény-modellek paramétereinek maximum likelihood becslése	227
A modellverifikáció (ellenőrzés) lehetőségei	234
Elméleti megalapozás	234
A konkrét ellenőrzési eljárások megvalósítása hipotézisvizsgálattal	235
Az identifikáció-predikció (a lineáris paraméteres identifikációs modell előrejelzési változata)	239
Bevezető megjegyzések	239
Az optimális (négyzetes középben minimális hibájú) predikció	240
Az identifikáció-előrejelzési modell konkrét összefüggései	241
Adaptív és tanuló algoritmusok a diszkrét paraméteres rendszer-identifikációban	242
Többváltozós lineáris dinamikus rendszerek identifikációja	247
A többváltozós (nemparaméteres és paraméteres) modellek identifikálásáról általában	247
Többváltozós modellprezentációk	250
Bevezető megjegyzések	250
Diszkrét transzfermátrix-modellek	251
Többváltozós rendszerek állapottér-modelljei	253
Vektor-differenciaegyenlet-modellek	255
A strukturális identifikáció módszerei	258
Többváltozós (MIMO)-modellek paraméterbecslési módszerei	259
A legkisebb négyzetek módszere	259
Kiterjesztett legkisebb négyzetek módszere	262
A maximum likelihood paraméterbecslési módszer MIMO-rendszerekre	263
Az elemi alrendszer (ESS)-reprezentáció. Struktúra- és paraméterbecslés az ESS-modelleknél	264
A MIMO-ESS-modellprezentáció	265
Az ESS-reprezentációk struktúra- és paraméterbecslése	267
A többváltozós identifikációs esettanulmányok	268
A konténerforgalom többváltozós modellezése	268
Haszonjárművek dinamikai vizsgálata többváltozós paraméteres identifikációval	271
Függelék	274
A realizációelmélet elemei	274
A megfigyelhetőség, irányíthatóság és identifikálhatóság fogalmáról	275
A lineáris modellek kanonikus alakjáról	276
A Kalman szűrők	279
A nemlineáris dinamikus rendszerek identifikálásáról	282
Irodalom	286
Melléklet