الگوریتم پیش­ بینی حالت اصلاح شده­ ی مبتنی بر UKF

فیلتر کالمن بدون بو ، پیش­بینی حالت، فاصله­ی اطمینان، فاصله­ی بون­فرونی

دسته بندی	مقالات ترجمه شده isi
بازدید ها	9
فرمت فایل	doc
حجم فایل	849 کیلو بایت
تعداد صفحات فایل	9

فروشنده فایل

کد کاربری 1055

تمام فایل ها

Modified state prediction algorithm based on UKF

Abstract: The state prediction based on the unscented Kalman
filter (UKF) for nonlinear stochastic discrete-time systems with linear
measurement equation is investigated. Predicting future states
by using the information of available measurements is an effective
method to solve time delay problems. It not only helps the system
operator to perform security analysis, but also allows more time for
operator to take better decision in case of emergency. In addition,
predictive state can make the system implement real-time monitoring
and achieve good robustness. UKF has been popular in state
prediction because of its advantages in handling nonlinear systems.
However, the accuracy of prediction degrades notably once
a filter uses a much longer future prediction. A confidence interval
(CI) is proposed to overcome the problem. The advantages of CI
are that it provides the information about states coverage, which is
useful for treatment-plan evaluation, and it can be directly used to
specify the margin to accommodate prediction errors. Meanwhile,
the CI of prediction errors can be used to correct the predictive
state, and thereby it improves the prediction accuracy. Simulations
are provided to demonstrate the effectiveness of the theoretical
results.

الگوریتم پیش­ بینی حالت اصلاح شده­ ی مبتنی بر UKF

چکیده

پیش­بینی حالت مبتنی بر فیلتر کالمن بدون بو (UKF) برای سیستم­های زمان-گسسته­ی تصادفی غیرخطی با معادله­ی اندازه گیری خطی بررسی می­شود. پیش­بینی حالت­های آتی با استفاده از اطلاعات اندازه­گیری موجود روشی موثر برای حل مسائل تاخیر زمانی است. این پیش­بینی نه تنها به اپراتور سیستم به منظور انجام آنالیز امنیتی کمک می­کند، بلکه زمان بیشتری را برای اپراتور برای گرفتن تصمیم بهتر در موارد اضطراری فرض می­کند. علاوه بر این، حالت پیش­بینی موجب می­شود که سیستم نظارت در زمان واقعی را پیاده­سازی کند و قدرتمندی خوبی را هم به دست بیاورد. رایج بودن UKF در حالت پیش­بینی به دلیل مزایای آن در مدیریت سیستم­های غیرخطی است. با این­حال، دقت پیش­بینی به ویژه زمانی که فیلتر از پیش­بینی آتی بسیار طولانی­تر استفاده می­کند کاهش می­یابد. یک فاصله اطمینان (CI) به منظور غلبه بر مسائل ارائه می­شود. مزایای استفاده از CI این است که این اطلاعات در مورد پوشش حالات را ارائه می­کند، که برای ارزیابی طرح-بررسی مفید است، و می­توان از آن بطور مستقیم به منظور مشخص کردن حاشیه به جای خطاهای پیش­بینی استفاده ­شود. در همین حال، CI خطاهای پیش­بینی می­تواند به منظور اصلاح حالت قابل پیش­بینی استفاده شود، و در نتیجه دقت پیش­بینی را بهبود دهد. شبیه­سازی­ها به منظور نشان دادن اثربخشی نتایج تئوری ارائه می­شوند.

.

unscented Kalman filter state prediction confidenceinterval Bonferroni interval

مبانی نظری و پیشینه تحقیق پیش بینی و مد لهای پیش بینی

مبانی نظری و پیشینه تحقیق پیش بینی و مد لهای پیش بینی

دسته بندی	علوم انسانی
بازدید ها	15
فرمت فایل	docx
حجم فایل	172 کیلو بایت
تعداد صفحات فایل	42

فروشنده فایل

کد کاربری 1113

تمام فایل ها

مبانی نظری و پیشینه تحقیق پیش بینی و مد لهای پیش بینی

توضیحات:

فصل دوم پایان نامه کارشناسی ارشد (پیشینه ی پژوهش)

همرا با منبع نویسی درون متنی فارسی و انگلیسی کامل به شیوه APA جهت استفاده فصل دو پایان نامه

توضیحات نظری در مورد متغیر و همچنین پیشینه در مورد متغیر مربوطه و متغیرهای مشابه

رفرنس نویسی و پاورقی دقیق و مناسب برای فصل دو پایان نامه

منبع : دارد (به شیوه APA)

نوع فایل: WORD و قابل ویرایش

قسمتی از مبانی نظری متغیر:

در یک تعریف کلی، فرایند پیشگویی شرایط و حوادث آینده را پیش­بینی نامیده و چکونگی انجام این عمل را پیش­بینی کردن نامیده می­شود (بوکوتا، 2002).

هر سازمانی جهت تصمیم­گیری آگاهانه باید قادر به پیش­بینی کردن باشد. از آنجایی که پیش­بینی وقایع آینده در فرآیند تصمیم­گیری در سازمان نقش عمده ای را ایفا می کند، پیش­بینی کردن برای بسیاری از سازمانها و نهادها حائز اهمیت بالقوه­ای است. بنابراین بیشتر تصمیمات مدیریت در تمام سطوح سازمان به طور مستقیم و یا غیر مستقیم به حالتی از پیش­بینی آینده بستگی دارد.

در مدیریت استراتژیک، پیش­بینی شرایط عمومی اقتصاد، نوسانات قیمت و هزینه­ی تغییرات تکنولوژی، رشد بازار و امثال آن در ترسیم آینده بلند­مدت شرکت موثر است. به همین دلیل است که کنترل هر فرایند، منوط به پیش­بینی رفتار دوره فرآیند در آینده است. برای مثال ممکن است که در یک دوره فرآیند دستگاهی بیش از حد معین کار کند و تعداد اقلام معیوب تولید شده افزایش یابد. بنابراین برای شناسایی به موقع این نقص باید از روش های مناسب پیش­بینی استفاده نموده و نسبت به تصحیح و یا حذف آن با توجه به شرایط موجود اقدام نمود (ریفنس، 1997).

مدل ­های پیش ­بینی

ابزارهای عینی و ریاضی که برای پردازش و تجزیه و تحلیل داده­ها مورد استفاده قرار می­گیرند مدل­های پیش­بینی نامیده می­شوند. به عبارت دیگر، الگویی از یک واقعیت که ساده و کوچک شده و روابط بین متغیرهای آن واقعیت یا سیستم را نشان می­د­هد، مدل خوانده می­شود. بنابراین، هنگامی که متغیرهای مورد نظر به صورتی منظم، ساده و قابل فهم در جهت اهداف پیش­بینی در کنار یکدیگر قرار گرفتند و الگویی از روابط را بوجود آوردند، یک مدل پیش­بینی شکل می­گیرد.

سری ­های زمانی^[1]

به روند مقادیر یک متغیر در طول زمان که به صورت دوره­های زمانی با فواصل معین و یکسان تنظیم شده­اند سری زمانی گفته می­شود. در تحلیل سری زمانی وضعیت تغییرات یک متغیر در گذشته مورد بررسی قرارگرفته و به آینده تعمیم داده می­شود. به طور کلی مدل­هایی که در تحلیل سری­های زمانی مورد استفاده قرار می­گیرند به دو دسته مدل­های خطی و غیر­خطی تقسیم می­شوند.

مدل­های خطی مانند مدل­های باکس ـ جنکینز^[2] و یکنواخت سازی نمایی برای سری­های زمانی خطی مناسب هستند، ولی در مدل­سازی سری­های زمانی مالی و غیر­خطی با مشکل مواجه می­شوند.

مدل­های غیر­خطی از قبیل مدل­های غیر­کاهنده آستانه­ای، یک تابع غیر­خطی خاص و از پیش تعیین شده را پیش­بینی می­کنند. به عبارتی تابع خطی مورد استفاده در این روش­ها مشخص است. نوع دیگر مدل­های غیر خطی شبکه­های عصبی مصنوعی هستند که می توانند هر تابعی را تخمین بزنند و فرایندهای با رفتار ناشناخته را مدل نمایند.

---

[1] -Time series

[2] -Box-Jenkins

مبانی نظری و پیشینه تحقیق پیش بینی و مد لهای پیش بینیمبانی نظری و پیشینه پیش بینی و مد لهای پیش بینی