不同类型识别变量的自回归模型异常值探测的Bayes方法
  • 【摘要】

    讨论基于自回归模型(AR模型)的时间序列数据中异常值探测的Bayes方法。该方法针对自回归模型引入不同类型的识别变量,通过比较这些识别变量的后验概率值与事先给定的阈值来进行异常值定位;基于Gibbs抽样算法,提出识别变量后验概率值的计算方法和异常值的估算方法;进行了大量的模拟试验并把该方法应用于卫星钟差实测数据的异常值探测,结果表明,该方法对于解决时间序列数据中在同一时刻或不同时刻出现加性异常值或... 展开>>讨论基于自回归模型(AR模型)的时间序列数据中异常值探测的Bayes方法。该方法针对自回归模型引入不同类型的识别变量,通过比较这些识别变量的后验概率值与事先给定的阈值来进行异常值定位;基于Gibbs抽样算法,提出识别变量后验概率值的计算方法和异常值的估算方法;进行了大量的模拟试验并把该方法应用于卫星钟差实测数据的异常值探测,结果表明,该方法对于解决时间序列数据中在同一时刻或不同时刻出现加性异常值或革新异常值的探测问题是可行的和有效的。 收起<<

  • 【作者】

    张倩倩  归庆明  王延停 

  • 【作者单位】

    信息工程大学理学院/信息工程大学理学院

  • 【刊期】

    测绘学报 ISTIC EI PKU 2012年3期

  • 【关键词】

    自回归模型  加性异常值  革新异常值  识别变量  Bayes方法  Gibbs抽样  卫星钟差  AR model additive outlier innovation outlier classification variable Bayesian method Gibbssampling satellite clock error 

  • 【基金项目】

    国家自然科学基金 中国卫星导航学术年会青年优秀论文获奖者资助课题 郑州市科技计划攻关项目