Sunteți pe pagina 1din 20

Metoda Metoda Yule Yule- -Walker Walker- -Wiener Wiener Algoritmul Algoritmul Levinson Levinson- -Durbin Durbin

109 109
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Efortul Efortul de de calcul calcul al al MCMMP MCMMP cu cu modelul modelul AR AR este este susinut susinut, , deoarece deoarece at at num num rul rul datelor datelor
m m surate surate ct ct i i num num rul rul de de parametri parametri au au valori valori mari mari ( (pentru pentru a a asigura asigura o o precizie precizie suficient suficient ). ).
Obiectiv Obiectiv
Reducerea efortului de calcul prin metode alternative de identificare.
Reducerea Reducerea efortului efortului de de calcul calcul prin prin metode metode alternative de alternative de identificare identificare. .
Algoritmul Levinson-Durbin (ALD)
Algoritmul Algoritmul Levinson Levinson- -Durbin ( Durbin (ALD ALD) )
Ideea lui N. Levinson
(1947)
Ideea Ideea lui lui N. Levinson N. Levinson
( (1947 1947) )
Estimarea parametrilor necunoscui i a dispersiei zgomotului alb
se poate realiza apelnd la un algoritm recursiv, pe baza
proprietilor remarcabile ale matricilor de tip Toeplitz simetrice.
E Estimarea parametrilor necunoscu stimarea parametrilor necunoscu i i i a dispersiei zgomotului alb i a dispersiei zgomotului alb
se poate realiza apel se poate realiza apel nd la nd la un un algoritm algoritm recursiv recursiv, , pe pe baza baza
propriet propriet ilor ilor remarcabile remarcabile ale ale matricilor matricilor de tip de tip Toeplitz Toeplitz simetrice simetrice. .

Se Se pleac pleac tot de la tot de la sistemul sistemul Yule Yule- -Walker Walker- -Wiener Wiener, , n n care se care se folosesc folosesc urm urm toarele toarele nota nota ii ii
( (pentru pentru a a pune pune n n eviden eviden indicele indicele de de recuren recuren ordinul ordinul modelului modelului AR AR): ):
, ,
1,
{ }
N p i
i p
a
e
2
,

N p

Parametrii Parametrii estima estima i i din din N N date date m m surate surate, , pentru pentru modelul modelul AR[p] AR[p]. .
Dispersia Dispersia estimat estimat a a zgomotului zgomotului alb din alb din N N date date m m surate surate, , pentru pentru modelul modelul AR[p] AR[p]. .
1, p na e
,

N p
Vectorul Vectorul parametrilor parametrilor estima estima i i din din N N date date m m surate surate, ,
pentru pentru modelul modelul AR[p] AR[p]. .
Pentru a rezolva sistemul Yule-Walker-Wiener de ordin na, se vor reactualiza succesiv soluiile
sistemelor Yule-Walker-Wiener de ordine inferioare, plecnd de la sistemul de ordin 1.
Pentru Pentru a a rezolva rezolva sistemul sistemul Yule Yule- -Walker Walker- -Wiener de Wiener de ordin ordin na na, se , se vor vor reactualiza reactualiza succesiv succesiv solu solu iile iile
sistemelor sistemelor Yule Yule- -Walker Walker- -Wiener de Wiener de ordine ordine inferioare inferioare, , plec plec nd nd de la de la sistemul sistemul de de ordin ordin 1 1. .
- Matricile de tip Toeplitz simetrice joac rolul principal n acest scenariu.
- - Matricile Matricile de tip de tip Toeplitz Toeplitz simetrice simetrice joac joac rolul rolul principal principal n n acest acest scenariu scenariu. .
Exerciiu
Exerciiu Exerciiu
110 110
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Algoritmul Levinson-Durbin (continuare)
Algoritmul Algoritmul Levinson Levinson- -Durbin Durbin ( (continuare continuare) )
Fie Fie
n n
e A
Propoziia 5 (proprietatea de invarian la rsturnare a matricilor simetrice de tip Toeplitz)
Propozi Propozi ia ia 5 ( 5 (proprietatea proprietatea de de invarian invarian la la r r sturnare sturnare a a matricilor matricilor simetrice simetrice de tip de tip Toeplitz Toeplitz) )
o o matrice simetric matrice simetric de tip Toeplitz asociat de tip Toeplitz asociat operatorului liniar operatorului liniar :
n n
A . .
Se Se noteaz noteaz prin prin :
n n
R
izomorfismul spaiului izomorfismul spaiului
n
care realizeaz care realizeaz inversarea total inversarea total
a ordinii elementelor oric a ordinii elementelor oric rui vector din rui vector din
n
: :
1 1
( ) [ ]
def def
R T
n n
x x x

= = x x R , ,
1 2
[ ]
T n
n
x x x = e x . .
Atunci operatorii Atunci operatorii A i i R comut comut . . Mai Mai precis precis: :
A R R A ( )
R
R
= Ax Ax . .
opera opera ia ia de de r r sturnare sturnare a a
vectorilor vectorilor
Demonstraie
Demonstra Demonstra ie ie
Exerciiu
Exerciiu Exerciiu
Matricea caracteristic a
operatorului de rsturnare
Matricea Matricea caracteristic caracteristic a a
operatorului operatorului de de r r sturnare sturnare
0 0 1
0 1 0
1 0 0
def
n n
(
(
(
= e
(
(

J

diagonala diagonala secundar secundar


- Analogie de notaie cu
cea din geometria plan.
- - Analogie Analogie de de nota nota ie ie cu cu
cea cea din din geometria geometria plan plan . .
0 0
2

i
- Diagonalele celor dou matrici
sunt geometric perpendiculare.
- - Diagonalele Diagonalele celor celor dou dou matrici matrici
sunt sunt geometric geometric perpendiculare perpendiculare. .
Propoziia 5
Propozi Propozi ia ia 5 5
= AJ JA
= JAJ A
Matricea de rsturnare
coincide cu propria sa invers.
Matricea Matricea de de r r sturnare sturnare
coincide cu coincide cu propria propria sa sa invers invers . .
- Aceeai proprietate ca a matricii unitare.
- - Aceea Aceea i i proprietate proprietate ca a ca a matricii matricii unitare unitare. .
Se va deduce o relaie recurent de forma:
Se Se va va deduce o deduce o rela rela ie ie recurent recurent de forma: de forma:
, 1
, 1 , 1
,
2
, 1

0 1
R
N p
N p N p
N p
N p

( ( o
=
( (

2
, ,1
,
, ,
1
[0] [ 1] [ ]
0
[ 1] [0] [1]
[ ] [1] [0] 0

N N N
N p y y y
N p
N N N
y y y
N N N
y y y
N p p
a r r p r p
r p r r
r p r r
a
(
(
(
(
(

(
(
(
(
(
(
(
(
= (
(
(
(
(
(
(
(
(
(

(
(

111 111
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Algoritmul Levinson-Durbin (continuare)
Algoritmul Algoritmul Levinson Levinson- -Durbin Durbin ( (continuare continuare) )

2
1
1
2
[1] [ ] [0]
[0] [1] [ 1] [1]
[1] [0] [ 2] [2]
[ 1] [ 2] [0] [ ]
y na y y
y y y y
y y y y
y y y y na
a r a r na r
r r r na r a
r r r na r a
r na r na r r na a
- -
-
-
-
+ + =

( ( (

( ( (

( ( (
=

( ( (

( ( (

( ( (

N p

Sistemul Yule-Walker-Wiener
Sistemul Sistemul Yule Yule- -Walker Walker- -Wiener Wiener
exprimare exprimare matricial matricial compact compact
2
, ,1
,
, ,
1
[0] [1] [ ]

[1] [0] [ 1]
0
[ ] [ 1] [0]
0

N N N
y y y
N p
N p
N N N
y y y
N N N
y y y
N p p
r r r p
a
r r r p
r p r p r
a
(
(
(
(

(
(
(
(
(
(
(
= (
(
(
(
(
(
(
(
(
(
(
(

(
(






, 1 N p+
R
Proprietate remarcabil de imbricare
Proprietate Proprietate remarcabil remarcabil de de imbricare imbricare
, N p
R
Aceast proprietate, mpreun cu Propoziia 5, va permite
exprimarea soluiei curente n funcie de soluia precedent.
Aceast Aceast proprietate proprietate, , mpreun mpreun cu cu Propozi Propozi ia ia 5 5, , va va permite permite
exprimarea exprimarea solu solu iei iei curente curente n n func func ie ie de de solu solu ia ia precedent precedent . .
1, p na e
vectorul vectorul parametrilor parametrilor
extins extins cu cu valoarea valoarea unitar unitar
, N p
R
, 1 N p+
R
1, p na e
2, p na e
coeficient coeficient de de adaptare adaptare
ce ce trebuie trebuie determinat determinat
, 1
, 1, 1
2
, 1,1 , 1
0

[0] [ 1] [ ]
0
[ 1] [0] [1]
0
[ ] [1] [0]

1
N p N N N N p p
y y y
N N N
y y y
N N N
y y y
N p N p
a
r r p r p
r p r r
r p r r
a



(
(
o (
( ( (
(
( ( (
(
( ( (
(
=
( ( (

(

( (
(
( (
(


(

(

2, p na e
, 1 N p+
R
, N p
R
, 1

R
N p

, 1 , 1,1 , 1, 1
[ ] [ 1] [1]
def
N N N
N p y N p y N p p y
r p a r p a r

o = + + +
Factorul de corecie are
amplitudini din ce n ce mai mici.
Factorul Factorul de de corec corec ie ie are are
amplitudini amplitudini din din ce ce n n ce ce mai mai mici mici. .
2
, ,1
,
, ,
1
[0] [ 1] [ ]
0
[ 1] [0] [1]
[ ] [1] [0] 0

N N N
N p y y y
N p
N N N
y y y
N N N
y y y
N p p
a r r p r p
r p r r
r p r r
a
(
(
( ( (

(
( (
(
(
( (
(
= (
( (
(
(
(
(
(
(
(

(
(



112 112
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Algoritmul Levinson-Durbin (continuare)
Algoritmul Algoritmul Levinson Levinson- -Durbin Durbin ( (continuare continuare) )

2
, 1,1 , 1
, 1, 1 , 1
1

[0] [ 1] [ ]
0
[ 1] [0] [1]
0
[ ] [1] [0]

0
N N N
N p N p
y y y
N N N
y y y
N N N
y y y
N p p N p
a
r r p r p
r p r r
r p r r
a


(
(
(

( (
(
(
( (
(
(
( (
(
(
=
( (
(

(

( (
(
( (
(

o
(

(

, 1 N p+
R
, N p
R
2, p na e
vectorul vectorul anterior al anterior al parametrilor parametrilor, ,
extins extins cu cu valoarea valoarea nul nul
1, p na e
, 1

N p

Factor de corecie necesar pentru ca


sistemul s fie compatibil.
Factor de Factor de corec corec ie ie necesar necesar pentru pentru ca ca
sistemul sistemul s s fie fie compatibil compatibil. .

Dac Dac p p= =na na+1 +1, , aceast aceast ecua ecua ie ie aproximeaz aproximeaz urm urm toarea toarea
ecua ecua ie ie extras extras din din sistemul sistemul Yule Yule- -Walker Walker- -Wiener: Wiener:
1 1
[ ] [ 1] [1] 0
y y p y
r p a r p a r
- -

+ + + =
Noul sistem motenete matricea sistemului curent,
dar opereaz cu soluia sistemului precedent.
Noul Noul sistem sistem mo mo tene tene te te matricea matricea sistemului sistemului curent curent, ,
dar dar opereaz opereaz cu cu solu solu ia ia sistemului sistemului precedent. precedent.
- Noul sistem nu este echivalent cu sistemele curent sau precedent.
- - Noul Noul sistem sistem nu nu este este echivalent echivalent cu cu sistemele sistemele curent curent sau sau precedent. precedent.
- Prin rsturnarea celor 2 vectori, matricea
sistemului rmne neschimbat.
- - Prin Prin r r sturnarea sturnarea celor celor 2 2 vectori vectori, , matricea matricea
sistemului sistemului r r m m ne ne neschimbat neschimbat . .
Propoziia 5
Propozi Propozi ia ia 5 5
, 1
, 1,1 , 1, 1
2
, 1
, 1
, 1, 1 , 1,1
2
, 1
, 1
2
, 1
1

[0] [ 1] [ ]
[ 1] [0] [1]

[ ] [1] [0]

N p
N p N p p
N N N
N p
y y y
N N N
y y y N p
N p p N p
N N N
N p
y y y
N p
N p
a a
r r p r p
r p r r
a a
r p r r

(
(
o
(

(
(
(
(
(
(
(
( (
(
(
(
o

(
(
(
(

(
o

2
, 1 2
, 1
2
, 1

0
0
N p
N p
N p

( o

(

(
(
=
(
(
(

(
(

Dispunem de dou sisteme echivalente.


Dispunem Dispunem de de dou dou sisteme sisteme echivalente echivalente. .
113 113
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Algoritmul Levinson-Durbin (continuare)
Algoritmul Algoritmul Levinson Levinson- -Durbin Durbin ( (continuare continuare) )
Aadar
Aadar Aadar
2
, 1,1 , 1
, 1, 1 , 1
1

[0] [ 1] [ ]
0
[ 1] [0] [1]
0
[ ] [1] [0]

0
N N N N p N p
y y y
N N N
y y y
N N N
y y y
N p p N p
a
r r p r p
r p r r
r p r r
a


(
(
(

( ( (
(
( ( (
(
( ( (
(
=
( ( (

(

( (
(
( (
(

o
(

(

2, p na e
, 1
, 1, 1
2
, 1,1 , 1
0

[0] [ 1] [ ]
0
[ 1] [0] [1]
0
[ ] [1] [0]

1
N p N N N N p p
y y y
N N N
y y y
N N N
y y y
N p N p
a
r r p r p
r p r r
r p r r
a



(
(
o (
( ( (
(
( ( (
(
( ( (
(
=
( ( (

(

( (
(
( (
(


(

(

2, p na e
Factorul de corecie din primul sistem
poate fi anulat folosind al doilea sistem.
Factorul Factorul de de corecie corecie din din primul primul sistem sistem
poate poate fi fi anulat anulat folosind folosind al al doilea doilea sistem sistem. .
2
, 1,1 , 1
, 1, 1 , 1
1

[0] [ 1] [ ]
0
[ 1] [0] [1]
0
[ ] [1] [0]

0
N N N N p N p
y y y
N N N
y y y
N N N
y y y
N p p N p
a
r r p r p
r p r r
r p r r
a


(
(
(
( ( ( (
( ( (
(
( ( (
( =
( ( ( (

( (
(
( (
( o (
(

2, p na e
, 1 , 1, 1
2
, 1,1 , 1
0

[0] [ 1] [ ]
0
[ 1] [0] [1]
0
[ ] [1] [0]

1
N p N N N N p p
y y y
N N N
y y y
N N N
y y y
N p N p
a
r r p r p
r p r r
r p r r
a


(
(
o (
( ( ( (
( ( (
(
( ( (
( =
( ( ( (

( (
(
( (
( (
(

2, p na e

, 1
2
, 1

N p
N p

x x
2, p na e
1
1
2
2
1
1
2
2
- Matricea sistemului este
aceeai n ambele ecuaii.
- - Matricea Matricea sistemului sistemului este este
aceea aceea i i n n ambele ambele ecua ecua ii ii. .
, 1 , 1,1 , 1, 1
[ ] [ 1] [1]
N N N
N p y N p y N p p y
r p a r p a r

o = + + +
Soluia recurent a sistemului Yule-Walker-Wiener
Solu Solu ia ia recurent recurent a a sistemului sistemului Yule Yule- -Walker Walker- -Wiener Wiener
114 114
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Algoritmul Levinson-Durbin (continuare)
Algoritmul Algoritmul Levinson Levinson- -Durbin Durbin ( (continuare continuare) )
Rezult
Rezult Rezult
2, p na e
, 1
, 1,1 , 1, 1
2
, 1
, ,1
, 1
, 1, 1 , 1,1 , , 1
2
, 1
, ,
, 1
2
, 1

N p
N p N p p
N p
N p
N p
N p p N p N p p
N p
N p p
N p
N p
a a
a
a a a
a

o
(

(
(
(
(
(
(
o
( =
(
(

(
(
(

(
o
(

, 1
, 1 , 1
,
2
, 1

0 1
R
N p
N p N p
N p
N p

( ( o
=
( (

2
, 1 2 2
, , 1
2
, 1

N p
N p N p
N p

o
=

DA DA
Este Este dispersia dispersia corect corect estimat estimat ? ?
n contextul definit de ecuaiile n contextul definit de ecuaiile recurente recurente
ale ale lui lui Levinson, cantitatea: Levinson, cantitatea:
Propoziia 6 (corectitudinea soluiei recurente)
Propozi Propozi ia ia 6 ( 6 (corectitudinea corectitudinea solu solu iei iei recurente recurente) )
este este nenegativ nenegativ . .
2
, 1 2
, , 1
2
, 1

def
N p
N p N p
N p

o
| =

Mai mult
Mai Mai mult mult
2
, 1
2 2 2
, , 1 , 1
4
, 1

0 1

N p
N p N p N p
N p

(
o
s = s
(

(

2, p na e
- Cu ct modelul devine mai complex,
cu att el devine mai precis .
- - Cu c Cu c t modelul devine mai complex, t modelul devine mai complex,
cu at cu at t el devine mai precis t el devine mai precis . .
Modelul este stabil.
Modelul Modelul este este stabil stabil. .
O O. .O O Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
115 115
Algoritmul Levinson-Durbin (ALD)
Algoritmul Algoritmul Levinson Levinson- -Durbin ( Durbin (ALD ALD) )
Iniializare
Ini Ini ializare ializare
Bucl iterativ
Bucl Bucl iterativ iterativ
Date de intrare
Date de Date de intrare intrare
e
e
[0]
N
y
r
Pentru
Pentru Pentru 2, p na e
C Se evalueaz ctigul:
C C Se Se evalueaz evalueaz c c tigul tigul: :
C Se reactualizeaz vectorul curent al parametrilor:
C C Se Se reactualizeaz reactualizeaz vectorul vectorul curent curent al al parametrilor parametrilor: :
Date de ieire
Date de Date de ie ie ire ire

na

na

Parametrii estimai ai modelului AR[na].


Parametrii Parametrii estima estima i i ai ai modelului modelului AR[na AR[na] ]. .
Dispersia estimat a zgomotului alb.
Dispersia Dispersia estimat estimat a a zgomotului zgomotului alb. alb.
1,
{ [ ]}
N
n N
y n
e
= D
( (setul setul de date de date m m surate surate la la ie ie irea irea procesului procesului auto auto- -regresiv regresiv) )
na
( (ordinul ordinul modelului modelului auto auto- -regresiv regresiv) )
C Se evalueaz valorile secvenei de auto-covarian a datelor:
C C Se Se evalueaz evalueaz valorile valorile secven secven ei ei de auto de auto- -covarian covarian a a datelor datelor: :
[1]
N
y
r [ ]
N
y
r na
1 1

0 1
R
p p
p p
k

( (
= +
( (

2 2 2
1

1
p p p
k

( =

C Se reactualizeaz dispersia zgomotului alb:
C C Se Se reactualizeaz reactualizeaz dispersia dispersia zgomotului zgomotului alb: alb:
C Se estimeaz parametrii modelului de ordin 1:
C C Se Se estimeaz estimeaz parametrii parametrii modelului modelului de de ordin ordin 1: 1:
1,1 1
[1]

[0]
N
def
y
N
y
r
a
r
= =
( )
2 2
1 1,1

[0] 1
N
y
r a =

- Coeficienii de reflexie
din cadrul Algoritmului
Schr-Cohn.
- - Coeficien Coeficien ii ii de de reflexie reflexie
din din cadrul cadrul Algoritmului Algoritmului
Sch Sch r r- -Cohn Cohn. .
( )
1,1 1, 1
2
1
1
[ ] [ 1] [1]

N N N
p y p y p p y
p
k r p a r p a r

= + + +


Propoziia 6
Propozi Propozi ia ia 6 6
1
p
k s
Performanele ALD
Performan Performan ele ele ALD ALD
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Algoritmul Levinson-Durbin (continuare)
Algoritmul Algoritmul Levinson Levinson- -Durbin Durbin ( (continuare continuare) )
Algoritmul Algoritmul este este extrem extrem de de eficient eficient, , deoarece deoarece se se evit evit inversarea inversarea explicit explicit a a matricii matricii sistemului sistemului. .
Exerciiu
Exerciiu Exerciiu

S S se se proiecteze proiecteze un un algoritm algoritm de de inversare inversare a a matricilor matricilor simetrice simetrice de tip de tip Toeplitz Toeplitz, ,
folosind folosind ALD ALD. .
Efortul de calcul
Efortul Efortul de de calcul calcul
Adunri
Adun Adun ri ri
nmuliri
nmuliri nmuliri
Calculul auto-covarianelor
Calculul Calculul auto auto- -covarianelor covarianelor
Estimaia iniial
Estimaia Estimaia iniial iniial
Procesul iterativ
Procesul Procesul iterativ iterativ
( 1)(2 2)
2
na N na

+ +
(
(

| | 3

| | ( 1)( 4) na na

+
( 1)(2 )
2
na N na
+
+
(
(

| | 1
+
( 1)(3 1)
2
na na na
+

(
(

Total
Total Total
( 1)( 2 10) ( 1)( 2 2)
~
2 2
ALD
na na N na na N
+
+ + + + +
( (
+
( (

O
116 116
Efortul de calcul a sczut sensibil, n special n cazul identificrii adaptive,
cnd ordinul modelului este comparabil cu dimensiunea orizontului de msur.
Efortul Efortul de de calcul calcul a a sc sc zut zut sensibil sensibil, , n n special special n n cazul cazul identific identific rii rii adaptive, adaptive,
c c nd nd ordinul ordinul modelului modelului este este comparabil comparabil cu cu dimensiunea dimensiunea orizontului orizontului de de m m sur sur . .
Exemplul 1
Exemplul Exemplul 1 1 1000 N = 30 na =
Exemplul 2
Exemplul Exemplul 2 2 10 N = 10 na =
| |
| |
~1625
1415
MCMMP

+
+
+
O | |
| |
~1605
1440
MYWW

+
+
+
O | |
| |
~ 210
154
ALD

+
+
+
O | |
| |
~ 495625
493795
MCMMP

+
+
+
O | |
| |
~70515
69120
MYWW

+
+
+
O | |
| |
~31590
31434
ALD

+
+
+
O
(off (off- -line) line) (on (on- -line) line)
Predic Predic ia ia optimal optimal a a
proceselor proceselor auto auto- -regresive regresive
Estimarea Estimarea spectral spectral prin prin
modelare modelare auto auto- -regresiv regresiv
117 117
O O. .O O Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii
Aplicaii Aplicaii
Predicia optimal
Predicia Predicia optimal optimal
Obiectiv Obiectiv
Estimarea valorilor ieirii unui proces stocastic dincolo de orizontul de msur,
cu ajutorul unui model de identificare.
E Estimarea valorilor ie stimarea valorilor ie irii irii unui unui proces proces stocastic stocastic dincolo de orizontul de m dincolo de orizontul de m sur sur , ,
cu ajutorul unui model de identificare cu ajutorul unui model de identificare. .
P
-
e
Margine Margine de de predic predic ie ie: : num num r ales plec r ales plec nd de la anumite caracteristici nd de la anumite caracteristici
ale procesului stocastic ale procesului stocastic. .
1, N N P + + Orizont Orizont de de predic predic i ie e ( (dincolo dincolo de de orizontul orizontul de de m m sur sur ). ).

Nota Nota ii ii specifice specifice: :


p
M
Predictor Predictor: model : model matematic matematic determinat determinat n n scopul scopul predic predic iei iei cu cu deplasamentul deplasamentul p p. .
- Modelul de identificare determinat folosind datele msurate
poate fi de asemenea un predictor.
- - Modelul Modelul de de identificare identificare determinat determinat folosind folosind datele datele m m surate surate
poate poate fi fi de de asemenea asemenea un predictor. un predictor.
[ | ]
p N
y N p + D
Valoarea Valoarea predictat predictat cu cu deplasamentul deplasamentul p p (la (la momentul momentul N N+ +p p), ),
folosind folosind datele datele achizi achizi ionate ionate pe pe orizontul orizontul de de m m sur sur . .
> Convenie
> > Convenie Convenie
0
( )
def
= M M
1, p P e
0
[ | ]
N
y N p + D Valoarea Valoarea predictat predictat cu cu deplasamentul deplasamentul p p (la (la momentul momentul N N+ +p p), ),
folosind folosind modelul modelul de de identificare identificare. .
- Predictori eventual diferii pentru deplasamente diferite.
- - Predictori Predictori eventual eventual diferi diferi i i pentru pentru deplasamente deplasamente diferite diferite. .
Se Se cere cere determinarea determinarea unui unui set de set de predictori predictori cu cu ieirile ieirile
1,
{ }

p
p P e
M
118 118
O O. .O O Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
Eroare de predicie cu p pai
Eroare Eroare de de predicie predicie cu cu p p pai pai
[ ] [ ] [ | ]
def
p N
p y N p y N p c = + + D
ie ie irea irea m m surat surat ie ie irea irea predictat predictat ( (prognozat prognozat ) )
- n cazul general, pentru fiecare
pas de predicie se va utiliza
un predictor proiectat special.
- - n n cazul cazul general, general, pentru pentru fiecare fiecare
pas de pas de predic predic ie ie se se va va utiliza utiliza
un predictor un predictor proiectat proiectat special. special.
Caz particular
Caz Caz particular particular
0
( )
def
= M M
0 0
[ ] [ ] [ | ]
def
N
p y N p y N p c = + + D
Erorile de predicie pot fi evaluate cu ajutorul unui
singur predictor: cel dat de modelul de identificare.
Erorile Erorile de de predic predic ie ie pot pot fi fi evaluate cu evaluate cu ajutorul ajutorul unui unui
singur singur predictor: predictor: cel cel dat dat de de modelul modelul de de identificare identificare. .
Problema prediciei optimale
Problema Problema predic predic iei iei optimale optimale
1,
{ }
p
p P
y
e
, care , care s s fie fie
optimali optimali n n sensul sensul minimiz minimiz rii rii dispersiei dispersiei erorii erorii de de predicie predicie: :
( )
{ }
( )
{ }
2 2
[ ] [ | ] [ ] [ | ]
p N p N
E y N p y N p E y N p y N p + + s + + D D
( (fa fa de de ali ali predictori predictori
( )
{ }
( )
{ }
2
2
0
[ ] [ | ] [ ] [ | ]
p N N
E y N p y N p E y N p y N p + + s + + D D
( (fa fa de de predictorul predictorul de de identificare identificare). ).
1,
{ }
p
p P e
M cu cu ieirile ieirile
1,
{ }
p
p P
y
e
); );
1, p P e
1, p P e
, 1, p P e
, 1, p P e
Eroare optimal de
predicie cu p pai
Eroare Eroare optimal optimal de de
predicie predicie cu cu p p pai pai
[ ] [ ] [ | ]
def
p N
p y N p y N p c = + + D
1, p P e
119 119
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
Cum Cum poate poate fi fi rezolvat rezolvat problema problema prediciei prediciei optimale optimale? ?
n forma original, problemei nu i se poate construi o soluie, deoarece
nu se dispune de setul de date msurate pe orizontul de predicie.
n n forma forma original original , , problemei problemei nu nu i se i se poate poate construi construi o o soluie soluie, , deoarece deoarece
nu nu se se dispune dispune de de setul setul de date de date m m surate surate pe pe orizontul orizontul de de predicie predicie. .
Problema trebuie relaxat, astfel nct s se poat construi o soluie sub-optimal.
Problema Problema trebuie trebuie relaxat relaxat , , astfel astfel nct nct s s se se poat poat construi construi o o soluie soluie sub sub- -optimal optimal . .

Folosind Folosind inegalitatea inegalitatea triunghiului triunghiului, se , se poate poate ob ob ine ine o o condi condi ie ie de sub de sub- -optimalitate optimalitate
din din condi condi ia ia de de optimalitate optimalitate. .
( )
{ }
2
[ ] [ | ]
p N
E y N p y N p + + D =
se se adun adun i i se se scade scade ie ie irea irea predictat predictat
cu cu modelul modelul de de identificare identificare
( )
{ }
2
0 0
[ ] [ | ] [ | ] [ | ]
N N p N
E y N p y N p y N p y N p = + + + + + D D D
s
inegalitatea inegalitatea
triunghiului triunghiului
1, p P e
( )
{ }
( )
{ }
2
2
0 0
[ ] [ | ] [ | ] [ | ]
N N p N
E y N p y N p E y N p y N p s + + + + + D D D

n loc s n loc s fie minimizat fie minimizat dispersia erorii de predic dispersia erorii de predic ie, ie, va fi minimizat termenul din dreapta inegalit va fi minimizat termenul din dreapta inegalit ii ii, ,
exprimat ca o exprimat ca o sum sum de dou de dou dispersii dispersii. .
Problema prediciei sub-optimale
Problema Problema predic predic iei iei sub sub- -optimale optimale
( )
{ }
( )
{ }
2
2
0 0
min [ ] [ | ] min [ | ] [ | ]
N N p N
E y N p y N p E y N p y N p + + + + + D D D
1, p P e
Modelul de identificare (sub-)optimal pentru
predicie este cel rezultat n urma aplicrii MMEP.
Modelul Modelul de de identificare identificare (sub (sub- -)optimal )optimal pentru pentru
predic predic ie ie este este cel cel rezultat rezultat n n urma urma aplic aplic rii rii MMEP MMEP. .
Modelul de identificare cel mai bun pentru
predicie trebuie s minimizeze eroarea de
predicie pe orizontul de predicie.
Modelul Modelul de de identificare identificare cel cel mai mai bun bun pentru pentru
predic predic ie ie trebuie trebuie s s minimizeze minimizeze eroarea eroarea de de
predic predic ie ie pe pe orizontul orizontul de de predic predic ie ie. .
120 120
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
Problema prediciei sub-optimale
Problema Problema predic predic iei iei sub sub- -optimale optimale
( )
{ }
( )
{ }
2
2
0 0
min [ ] [ | ] min [ | ] [ | ]
N N p N
E y N p y N p E y N p y N p + + + + + D D D
Predictorul sub-optimal este cel mai apropiat
de predictorul de identificare.
Predictorul Predictorul sub sub- -optimal optimal este este cel cel mai mai apropiat apropiat
de de predictorul predictorul de de identificare identificare. .
1, p P e
( )
{ }
( )
{ }
2
0
2
0
[ | ] [ | ]
[ | ] [ | ]
N p N
N p N
E y N p y N p
E y N p y N p
+ + s
s + +
D D
D D
1, p P e
Din nou apar n discuie valorile
necunoscute ale ieirii procesului
pe orizontul de predicie.
Din Din nou nou apar apar n n discu discu ie ie valorile valorile
necunoscute necunoscute ale ale ie ie irii irii procesului procesului
pe pe orizontul orizontul de de predic predic ie ie. .
MMEP opereaz cu erorile de predicie
pe orizontul de msur.
MMEP MMEP opereaz opereaz cu cu erorile erorile de de predic predic ie ie
pe pe orizontul orizontul de de m m sur sur . .
Dac
Dac Dac P N
IE poate fi utilizat pentru relaxarea noii probleme.
IE IE poate poate fi fi utilizat utilizat pentru pentru relaxarea relaxarea noii noii probleme probleme. .
( (condi condi ia ia fiind fiind natural natural ) )
( )
{ }
( )
( )
2
0
2
0
1
2
0
1
[ ] [ | ]
1
[ ] [ | ]
1
[ ] [ | ]
N
N p
N
n
N
N
n
E y N p y N p
y n p y n p
N p
y n y n
N
+
=
=
+ + ~
~ + + ~
+
~

D
D
D
1, p P e
( )
2
1
1

argmin [ ] [ , ]
n
N
N
n
y n y n
N
u
e _
=
(
=
(


M
S
[ , ] y n
M
( )
{ }
2
0
[ | ] [ | ] 0
N p N
E y N p y N p + + = D D
Restricie necesar
Restric Restric ie ie necesar necesar
0 0
[ ] [ ] [ | ]
def
N
p y N p y N p c = + + D
121 121
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )

Strategia Strategia general general de de construc construc ie ie a a predictorilor predictorilor sub sub- -optimali optimali: :
C CDeterminarea Determinarea setul setului ui de predictori de predictori (sub (sub- -)optimali )optimali care verific care verific inegalit inegalit ile: ile:
C CDeterminarea Determinarea modelului modelului de de identificare identificare (sub (sub- -)optimal )optimal prin prin minimizarea minimizarea erorii erorii de de predic predic ie ie
pe pe durata durata orizontului orizontului de de m m sur sur : :
( )
{ }
( )
{ }
2 2
0 0
[ | ] [ | ] [ | ] [ | ]
N p N N p N
E y N p y N p E y N p y N p + + s + + D D D D
1, p P e
- Etap cu caracter teoretic.
- - Etap Etap cu cu caracter caracter teoretic teoretic. .
Obiectivul acestei etape este de a deduce o expresie formal ntre
predictorul curent sub-optimal i cel de identificare.
Obiectivul Obiectivul acestei acestei etape etape este este de a deduce o de a deduce o expresie expresie formal formal ntre ntre
predictorul predictorul curent curent sub sub- -optimal optimal i i cel cel de de identificare identificare. .
( ) ( )
2 2
0 0
1 1
[ ] [ | ] [ ] [ | ]
N N
N N
n n
y n y n y n y n
= =
s

D D
- Datorit etapei precedente, predictorii (sub-)optimali vor fi automat determinai.
- - Datorit Datorit etapei etapei precedente precedente, , predictorii predictorii (sub (sub- -) )optimali optimali vor vor fi fi automat automat determina determina i i. .
0, p P e
( (eroarea eroarea de de predic predic ie ie (sub (sub- -) )optimal optimal ) )
Folosind acest scenariu, cele dou dispersii ale problemei prediciei
sub-optimale conduc la o valoare minim nsumat egal cu:
F Folosind acest scenariu olosind acest scenariu, , cele cele dou dou d dispersii ispersii ale ale problemei problemei predic predic iei iei
sub sub- -optimale optimale conduc conduc la o la o valoare valoare minim minim nsumat nsumat egal egal cu cu: :
{ }
2
0
[ ] E p c
0, p P e
1, p P e
1 1 1
1 1
( ) 1
def
p
p p
C q c q c q
- - -

= + + +
IIR
IIR IIR
FIR
FIR FIR
1
1
[ ] [ ]
( )
y N p e N p
A q
-
+ = +
0
[ ]
n
n
e N p n
-
>
= o +

1
0
[ ]
p
n
n
e N p n

-
=
= o +

, 1, . p P e [ ]
n
n p
e N p n
-
>
+ o +

mp mp ire ire infinit infinit


122 122
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
Cazul Cazul modelelor modelelor de tip AR? de tip AR?
n acest caz, predictorii sub-optimali sunt determinai din clasa predictorilor ale cror ieiri
sunt necorelate cu zgomotul alb pe orizontul de predicie.
n n acest acest caz caz, , predictorii predictorii sub sub- -optimali optimali sunt sunt determinai determinai din din clasa clasa predictorilor predictorilor ale ale c c ror ror ieiri ieiri
sunt sunt necorelate necorelate cu cu zgomotul zgomotul alb alb pe pe orizontul orizontul de de predicie predicie. .
{ }
[ | ] [ ] 0
p N
E y N p e N k + + = D
, 1, k p P e

Restric Restric ie ie natural natural sugerat sugerat de de faptul faptul c c datele achizi datele achizi ionate sunt necorelate cu valorile ionate sunt necorelate cu valorile
viitoare ale zgomotului, adic viitoare ale zgomotului, adic dincolo de orizontul de m dincolo de orizontul de m sur sur . .
C CDeterminarea Determinarea teoretic teoretic a a setul setului ui de predictori (sub de predictori (sub- -)optimali )optimali. .
Modelul AR poate fi exprimat cu ajutorul a dou filtre: unul de tip FIR, care opereaz
cu valori ale zgomotului din orizontul de predicie i altul de tip IIR, care opereaz cu
valori ale zgomotului din orizontul de msur sau anterioare acestuia.
M Modelul odelul AR AR poate fi exprimat cu ajutorul a dou poate fi exprimat cu ajutorul a dou filtre: unul de tip filtre: unul de tip FIR FIR, care opereaz , care opereaz
cu valori ale zgomotului din orizontul de predic cu valori ale zgomotului din orizontul de predic ie ie i altul de tip i altul de tip IIR IIR, care opereaz , care opereaz cu cu
valori ale zgomotului din orizontul de m valori ale zgomotului din orizontul de m sur sur sau anterioare acestuia. sau anterioare acestuia.
orizontul orizontul de de
predic predic ie ie
orizontul orizontul de de
m m sur sur
func func ia ia de de sistem sistem a a filtrului filtrului
0 0
1 c
- -
= o =
1
-
o 1 p
-

o
1 1
1
( ) ( )
p
p p p
C q C q c q
- - -
+
= +
rela rela ie ie recurent recurent remarcabil remarcabil
1
1 1 1
1
( )
[ ] ( ) [ ] [ ] ( ) [ ] ( ) [ ]
( )
p
p p p
D q
y N p C q e N p e N C q e N p D q y N
A q
-
- - -
-
+ = + + = + +
123 123
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
Cum se pot Cum se pot determina determina coeficienii coeficienii filtrului filtrului de tip FIR? de tip FIR?
Folosind Teorema mpririi cu Rest (TIR).
Folosind Folosind Teorema Teorema mpririi mpririi cu Rest cu Rest ( (TIR TIR). ).
1 2
1 2
1
na
na
a q a q a q
- - -
+ + + +
1
1
1 2
1 2
1 a q a q
- -

1 2
1 2
a q a q
- -

1
1
a q
-
+
( )
2
1 2
1 1
a q a q
- -
+ +
( )
2
2
1 2
a a q
- -
(
+

1
c
-
0
c
-
2
c
-

( )
1 1 1
,0 ,1 , 1
( )
def
p p na
p p p p na
q D q q d d q d q
- - - -

= + + +
- Procedur implementabil
(Algoritmul lui Euclid).
- - Procedur Procedur implementabil implementabil
( (Algoritmul Algoritmul lui lui Euclid Euclid). ).
1
1
p
p
c q
-

+
1
( )
p
C q
-
( (c c t t) )
Exerciiu
Exerciiu Exerciiu
(rest) (rest)
Aadar
Aadar Aadar
1
1
1 1
( )
1
( )
( ) ( )
p
p
p
q D q
C q
A q A q
-
-
- -
= +
1, p P e
1 1 1
1 ( ) ( ) ( )
p
p p
C q A q q D q
- - -
= +
1, p P e
1, p P e
viitor viitor prezent+trecut prezent+trecut
Expresie format din ieirile a dou filtre de tip FIR.
Expresie Expresie format format din din ie ie irile irile a a dou dou filtre filtre de tip de tip FIR FIR. .
- Grad constant: na-1.
- - Grad Grad constant constant: : na na- -1 1. .
- Coeficieni variabili.
- - Coeficien Coeficien i i variabili variabili. .
124 124
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
{ }
[ | ] [ ] 0
p N
E y N p e N k + + = D
, 1, k p P e

ipoteza ipoteza de de necorelare necorelare
Rezult
Rezult Rezult
( )
{ }
2
0
[ | ] [ | ]
N p N
E y N p y N p + + D D
( )
{ }
2
1
( ) [ ]
p
E C q e N p
-
= +
( )( ) { }
1 1
2 ( ) [ ] ( ) [ ] [ | ]
p p p N
E C q e N p D q y N y N p
- -
+ + + D +
( )
{ }
2
1
( ) [ ] [ | ]
p p N
E D q y N y N p
-
+ + D =
( ) { }
1
( ) [ ] [ | ] 0
k p N
E C q e N k y N p
-
+ + = D
, 1, k p P e
Filtrul viitorului opereaz numai asupra valorilor zgomotului
alb de pe orizontul de predicie, deci este natural ca
ieirea acestuia s nu fie corelat cu ale predictorilor.
Filtrul Filtrul viitorului viitorului opereaz opereaz numai numai asupra asupra valorilor valorilor zgomotului zgomotului
alb de alb de pe pe orizontul orizontul de de predic predic ie ie, , deci deci este este natural ca natural ca
ie ie irea irea acestuia acestuia s s nu nu fie fie corelat corelat cu ale cu ale predictorilor predictorilor. .
De asemenea
De De asemenea asemenea
Ieirea filtrului viitorului (care opereaz numai cu valori ale zgomotului
alb de pe orizontul de predicie) nu este corelat cu ieirea filtrului
prezentului i trecutului (care opereaz numai cu date msurate).
Ie Ie irea irea filtrului filtrului viitorului viitorului (care (care opereaz opereaz numai numai cu cu valori valori ale ale zgomotului zgomotului
alb de alb de pe pe orizontul orizontul de de predic predic ie ie) ) nu nu este este corelat corelat cu cu ie ie irea irea filtrului filtrului
prezentului prezentului i i trecutului trecutului (care (care opereaz opereaz numai numai cu date cu date m m surate surate). ).
( )( ) { }
1 1
( ) [ ] ( ) [ ] 0
p p
E C q e N p D q y N
- -
+ =
1, p P e
( )
{ }
2
1
( ) [ ]
p
E C q e N p
-
= +
( )
{ }
2
1
( ) [ ] [ | ]
p p N
E D q y N y N p
-
+ + D , 1, . p P e
exprimare exprimare cu 2 cu 2 filtre filtre de tip FIR de tip FIR
( )
{ }
2
1 1
( ) [ ] ( ) [ ] [ | ]
p p p N
E C q e N p D q y N y N p
- -
= + + + D =
Predictorii practici (sub-)optimali
Predictorii Predictorii practici practici (sub (sub- -) )optimali optimali
Pentru fiecare deplasament de predicie, trebuie (re-)evaluat
restul mpririi polinomului unitar la polinomul modelului AR.
Pentru Pentru fiecare fiecare deplasament deplasament de de predic predic ie ie, , trebuie trebuie (re (re- -) )evaluat evaluat
restul restul mp mp r r irii irii polinomului polinomului unitar unitar la la polinomul polinomul modelului modelului AR AR. .
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
Aadar
Aadar Aadar
( )
{ }
( )
{ }
( )
{ }
2 2 2
1 1
0
[ | ] [ | ] ( ) [ ] ( ) [ ] [ | ]
N p N p p p N
E y N p y N p E C q e N p E D q y N y N p
- -
+ + = + + + D D D
1, p P e
- Sum de dou dispersii.
- - Sum Sum de de dou dou dispersii dispersii. .
Deoarece numai a doua dispersie depinde de ieirile predictorilor,
doar ea poate fi anulat n vederea minimizrii.
Deoarece Deoarece numai numai a a doua doua dispersie dispersie depinde depinde de de ie ie irile irile predictorilor predictorilor, ,
doar doar ea ea poate poate fi fi anulat anulat n n vederea vederea minimiz minimiz rii rii. .
( )
{ }
2
1
( ) [ ] [ | ] 0
p p N
E D q y N y N p
-
+ = D
1, p P e
1
[ | ] ( ) [ ]
p N p
y N p D q y N
-
+ = D
1, p P e
- Expresiile predictorilor
AR (sub-)optimali.
- - Expresiile Expresiile predictorilor predictorilor
AR AR (sub (sub- -) )optimali optimali. .
Gradul funciei de sistem fiind constant (na-1),
doar coeficienii trebuie adaptai pentru fiecare
deplasament de predicie, folosind TIR.
Gradul Gradul func func iei iei de de sistem sistem fiind fiind constant constant ( (na na- -1) 1), ,
doar doar coeficien coeficien ii ii trebuie trebuie adapta adapta i i pentru pentru fiecare fiecare
deplasament deplasament de de predic predic ie ie, , folosind folosind TIR TIR. .
Ce Ce r r mne mne dup dup minimizare minimizare? ?
Un termen care ofer informaia despre
precizia prediciei.
Un Un termen termen care care ofer ofer informaia informaia despre despre
precizia precizia prediciei prediciei. .
( )
{ }
( ) ( )
2 2 2
2 1 2
1 1
( ) [ ] 1
def
p p p
E C q e N p c c
- - -

(
o = + = + + +
(

1, p P e
- Precizia ideal de predicie scade pe
msur ce deplasamentul de predicie se
ndeprteaz de orizontul de msur.
- - P Precizia ideal recizia ideal de predic de predic ie ie scade scade pe pe
m m sur sur ce deplasamentul de predic ce deplasamentul de predic ie se ie se
ndep ndep rteaz rteaz de orizontul de m de orizontul de m sur sur . .
C CDeterminarea Determinarea modelului modelului de de identificare identificare
folosind folosind MMEP MMEP ( (adic adic ALD ALD). ).
125 125
A
-

A p
C
-

p
C
p
D
-

p
D
2

( (estima estima ii ii) )


Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii:
predicia
optimal
(continuare)
Aplicaii Aplicaii: :
predicia predicia
optimal optimal
( (continuare continuare) )
126 126
Algoritmul prediciei AR (sub-)optimale (nerecursiv)
Algoritmul Algoritmul predic predic iei iei AR (sub AR (sub- -) )optimale optimale ( (nerecursiv nerecursiv) )
Iniializare
Ini Ini ializare ializare
Bucl iterativ
Bucl Bucl iterativ iterativ
Date de intrare
Date de Date de intrare intrare
e
e
Pentru
Pentru Pentru 1, p P e
C Se aplic TIR (Algoritmul lui Euclid):
C C Se Se aplic aplic TIR TIR ( (Algoritmul Algoritmul lui lui Euclid Euclid): ):
C Se estimeaz valorile predictate ale ieirii procesului:
C C Se Se estimeaz estimeaz valorile valorile predictate predictate ale ale ie ie irii irii procesului procesului: :
Date de ieire
Date de Date de ie ie ire ire
{ }
1,
[ | ]
p N
p P
y N p
e
+ D
{ }
2
1,

p
p P e
o
Ieirile predictate.
Ie Ie irile irile predictate predictate. .
Dispersiile estimate ale erorilor de predicie.
Dispersiile Dispersiile estimate ale estimate ale erorilor erorilor de de predic predic ie ie. .
1,
{ [ ]}
N
n N
y n
e
= D
( (setul setul de date de date m m surate surate la la ie ie irea irea procesului procesului auto auto- -regresiv regresiv) )
na
( (ordinul ordinul modelului modelului auto auto- -regresiv regresiv) )
Se estimeaz parametrii modelului AR i dispersia
zgmotului alb, eventual folosind ALD.
Se Se estimeaz estimeaz parametrii parametrii modelului modelului AR AR i i dispersia dispersia
zgmotului zgmotului alb, eventual alb, eventual folosind folosind ALD ALD. .
C Se estimeaz dispersia erorii de predicie:
C C Se Se estimeaz estimeaz dispersia dispersia erorii erorii de de predic predic ie ie: :
1 1
1

( ) 1
na
na
A q a q a q

= + + +
2

1 1 1

1 ( ) ( ) ( )
p
p p
C q A q q D q

= +
P
( (marginea marginea de de predic predic ie ie) )
1
,0 ,1 , 1
[ | ] ( ) [ ]

[ ] [ 1] [ 1]
p N p
p p p na
y N p D q y N
d y N d y N d y N na
-

+ = =
= + + + +
D
2 2 2 2
1 1

1
p p
c c

( o = + + +

Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive


Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
127 127
Interpretare geometric n cazul proceselor
normal distribuite
Interpretare Interpretare geometric geometric n n cazul cazul proceselor proceselor
normal normal distribuite distribuite
e e
Model
auto-regresiv
Model Model
auto auto- -regresiv regresiv
y y
Orizont de msur
Orizont Orizont de de m m sur sur
Orizont de
predicie
Orizont Orizont de de
predic predic ie ie
[ | ]
p N
y N p + D
[ ] y N p +
[ | ] 3
p N p
y N p + + o D
[ | ] 3
p N p
y N p + o D
1,
{ [ ]}
N
n N
y n
e
= D

V Valorile (sub alorile (sub- -)optimale )optimale predictate (care depi predictate (care depind de datele m nd de datele m surate) surate) sunt sunt
de asemenea de asemenea normal distribuite normal distribuite, , dar dar cu cu dispersiile dispersiile erorilor erorilor de de predic predic ie ie. .

n jurul fiec n jurul fiec rei valori rei valori predictate predictate, se poate construi c , se poate construi c te un te un
interval de interval de ncredere de tip ncredere de tip 3 3 , , n care valoarea real n care valoarea real a a ie ie irii irii
procesului procesului are are anse de peste 95% anse de peste 95% s s apar apar in in . .

n afara valorilor predictate, pe grafic se amplaseaz n afara valorilor predictate, pe grafic se amplaseaz i intervalele de i intervalele de ncredere ncredere, ,
sub forma unor sub forma unor segmente liniare centrate segmente liniare centrate n valorile predictate n valorile predictate. .

A Aceste intervale ceste intervale devin din ce devin din ce n ce mai largi odat n ce mai largi odat cu cre cu cre terea deplasamentului de predic terea deplasamentului de predic ie ie, ,
indic indic nd nd deteriorarea preciziei de predic deteriorarea preciziei de predic ie ie. .

C Curba valorilor m urba valorilor m surate (conti surate (continu nu ) ) se se ndep ndep rteaz rteaz din ce din ce n ce mai mult n ce mai mult
de curba valorilor predictate (p de curba valorilor predictate (punctat unctat ) ). .
Identificarea Identificarea i i predicia predicia proceselor proceselor autoregresive autoregresive
Metode Metode de de identificare identificare i i validare validare
Aplicaii: predicia optimal (continuare)
Aplicaii Aplicaii: : predicia predicia optimal optimal ( (continuare continuare) )
128 128
Dezavantajul Dezavantajul major major al al algoritmului algoritmului de de predicie predicie nerecursiv nerecursiv: : ineficiena ineficiena cauzat cauzat de de estimarea estimarea tuturor tuturor
coeficienilor coeficienilor restului restului pentru pentru fiecare fiecare deplasament deplasament de de predicie predicie. .
1 1
1
( ) ( )
p
p p p
C q C q c q
- - -
+
= +
- Ctul poate fi calculat recursiv.
- - C C tul tul poate poate fi fi calculat calculat recursiv recursiv. .
1, 1 p P e

Exist Exist o o relaie relaie recursiv recursiv i i ntre ntre resturi resturi succesive succesive? ?
DA DA
n realitate, se poate evidenia o relaie recursiv ntre ieirile succesive
ale predictorilor (sub-)optimali.
n n realitate realitate, se , se poate poate evidenia evidenia o o relaie relaie recursiv recursiv ntre ntre ieirile ieirile succesive succesive
ale ale predictorilor predictorilor (sub (sub- -) )optimali optimali. .

Aceasta Aceasta creeaz creeaz impresia c impresia c exist exist un singur predictor un singur predictor AR AR (sub (sub- -)optimal )optimal, ,
de de accea accea se se omite omite indicele indicele p p din din nota nota ie ie. .
Teorema 7 (forma recursiv a predictorilor AR (sub-)optimali)
Teorema Teorema 7 7 (forma (forma recursiv recursiv a a predictorilor predictorilor AR (sub AR (sub- -) )optimali optimali) )
Valorile predictate ale procesului de tip AR folosind predictoru Valorile predictate ale procesului de tip AR folosind predictorul l
(sub (sub- -)optimal )optimal verific verific urm urm toarele rela toarele rela ii de recuren ii de recuren : :
a. a. pentru pentru
b. b. pentru pentru
1, p na e
De asemenea, dispersiile erorilor de predic De asemenea, dispersiile erorilor de predic ie, verific ie, verific rela rela ia de recuren ia de recuren : :
: :
1 1
[ | ] [ 1| ] [ 1| ]
[ ] [ ] ;
N N p N
p na
y N p a y N p a y N
a y N a y N p na

+ = + +
+

D D D
1, p na P e + : :
1
[ | ] [ 1| ] [ | ].
N N na N
y N p a y N p a y N p na + = + + D D D
2 2 2 2
1 1


p p p
c

o = o + , 1, , p P e
unde unde: :
2
0
0. o =
Exerciiu
Exerciiu Exerciiu
Algoritmul prediciei AR
(sub-)optimale (recursiv)
Algoritmul Algoritmul predic predic iei iei AR AR
(sub (sub- -) )optimale optimale ( (recursiv recursiv) )