• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
Document
Author
Full name
Rafael Oliveira Silva
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2019
Supervisor
Committee
Branco, Marcia D Elia (President)
Farias, Rafael Braz Azevedo
Franco, Glaura da Conceição
Title in Portuguese
Filtro de Kalman Ensemble: uma análise da estimação conjunta dos estados e dos parâmetros
Keywords in Portuguese
Estimação conjunta
Filtro de Kalman Ensemble
Modelo de produção excedente logístico
Abstract in Portuguese
O Filtro de Kalman Ensemble (EnKF) é um algoritmo de Monte Carlo sequencial para inferência em modelos de espaço de estados lineares e não lineares. Este filtro combinado com alguns outros métodos propaga a distribuição a posteriori conjunta dos estados e dos parâmetros ao longo do tempo. Existem poucos trabalhos que consideram o problema da estimação simultânea dos estados e parâmetros, e os métodos existentes possuem limitações. Nesta dissertação analisamos a eficiência desses métodos por meio de estudos de simulação em modelos de espaço de estados lineares e não lineares. O problema de estimação não linear aqui tratado refere-se ao modelo de produção excedente logístico, para o qual o EnKF pode ser considerado uma possível alternativa aos algoritmos MCMC. Os resultados da simulação revelam que a acurácia das estimativas aumenta quando a série temporal cresce, mas alguns parâmetros apresentam problemas na estimação.
Title in English
Ensemble Kalman filter: an analysis of the joint estimation of states and parameters
Keywords in English
Ensemble Kalman filter
Joint estimation
Logistic surplus-production model
Abstract in English
The Ensemble Kalman Filter (EnKF) is a sequential Monte Carlo algorithm for inference in linear and nonlinear state-space models. This filter combined with some other methods propagates the joint posterior distribution of states and parameters over time. There are fewer papers that consider the problem of simultaneous state-parameter estimation and existing methods have limitations. The purpose of this dissertation is to analyze the efficiency of these methods by means of simulation studies in linear and nonlinear state-space models. The nonlinear estimation problem addressed here refers to the logistic surplus-production model, for which the EnKF can be considered as a possible alternative to MCMC algorithms. The simulation results reveal that the accuracy of the estimates increases when the time series grows, but some parameters present problems in the estimation.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Dissert_ROS_ENKF.pdf (2.00 Mbytes)
Publishing Date
2019-05-28
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2020. All rights reserved.