• 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
 
 
Disertación de Maestría
DOI
Documento
Autor
Nombre completo
Rafael Oliveira Silva
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Paulo, 2019
Director
Tribunal
Branco, Marcia D Elia (Presidente)
Farias, Rafael Braz Azevedo
Franco, Glaura da Conceição
Título en portugués
Filtro de Kalman Ensemble: uma análise da estimação conjunta dos estados e dos parâmetros
Palabras clave en portugués
Estimação conjunta
Filtro de Kalman Ensemble
Modelo de produção excedente logístico
Resumen en portugués
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.
Título en inglés
Ensemble Kalman filter: an analysis of the joint estimation of states and parameters
Palabras clave en inglés
Ensemble Kalman filter
Joint estimation
Logistic surplus-production model
Resumen en inglés
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.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Dissert_ROS_ENKF.pdf (2.00 Mbytes)
Fecha de Publicación
2019-05-28
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2020. Todos los derechos reservados.