রাজ্য-স্থানের মডেল এবং কেএফ এর সমস্ত ভাল বৈশিষ্ট্য দেওয়া, আমি অবাক হই - রাষ্ট্রীয় স্থানের মডেলিং এবং কলম্যান ফিল্টার (বা EKF, UKF বা কণা ফিল্টার) অনুমানের জন্য কী কী অসুবিধাগুলি রয়েছে? আসুন প্রচলিত পদ্ধতি যেমন এরিমা, ভিএআর বা অ্যাড-হক / হিউরিস্টিক পদ্ধতিগুলি বলি methods
তারা কি শক্তিশালী করা কঠিন? কোনও মডেলের কাঠামোর পরিবর্তন কীভাবে ভবিষ্যদ্বাণীগুলিকে প্রভাবিত করবে তা কী এগুলি জটিল এবং কঠিন?
বা, অন্য কোনও উপায় রাখুন - প্রচলিত আরিমা, রাজ্য-স্থানের মডেলগুলির তুলনায় ভিএআর সুবিধা কী?
আমি কোনও রাজ্য-স্থানের মডেলটির সুবিধাগুলি সম্পর্কে কেবল ভাবতে পারি :
- এটি সহজেই কিছু স্ট্যাটিক মডেলের স্ট্রাকচারাল ব্রেক, শিফটস, সময়-পরিবর্তিত পরামিতিগুলি পরিচালনা করে - কেবলমাত্র সেই পরামিতিগুলিকে একটি রাজ্য-স্থানের মডেলের গতিশীল রাজ্য তৈরি করুন এবং মডেল স্বয়ংক্রিয়ভাবে প্যারামিটারগুলিতে যে কোনও শিফটে সামঞ্জস্য করবে;
- এটি খুব স্বাভাবিকভাবে হারিয়ে যাওয়া ডেটা পরিচালনা করে, কেবল কেএফের রূপান্তর পদক্ষেপ করুন এবং আপডেট পদক্ষেপটি করবেন না;
- এটি নিজেই একটি রাজ্য-স্থানের মডেলটির (ফ্লাইটের আওয়াজ এবং রূপান্তর / পর্যবেক্ষণের ম্যাট্রিক্সের) ফ্লাই প্যারামিটারগুলিকে পরিবর্তন করতে দেয় তাই আপনার বর্তমান পর্যবেক্ষণটি অন্যদের চেয়ে কিছুটা ভিন্ন উত্স থেকে যদি আসে - আপনি সহজেই তা না করে অনুমানের মধ্যে অন্তর্ভুক্ত করতে পারেন বিশেষ কিছু;
- উপরের বৈশিষ্ট্যগুলি ব্যবহার করে এটি অনিয়মিত-ব্যবধানযুক্ত ডেটা সহজেই পরিচালনা করতে দেয়: হয় পর্যবেক্ষণের মধ্যে ব্যবধান অনুযায়ী প্রতিবার একটি মডেল পরিবর্তন করুন বা নিয়মিত বিরতি ব্যবহার করুন এবং পর্যবেক্ষণ ছাড়াই অন্তরগুলি নিখোঁজ ডেটা হিসাবে গণ্য করুন;
- এটি অন্তর্নিহিত পরিমাণটি অনুমান করতে একই মডেলে একই সাথে বিভিন্ন উত্স থেকে ডেটা ব্যবহার করতে দেয়;
- এটি বেশ কয়েকটি ব্যাখ্যামূলক অবলম্বনযোগ্য গতিশীল উপাদান থেকে একটি মডেল তৈরি করতে এবং সেগুলি অনুমান করার অনুমতি দেয়;
- যে কোনও এআরআইএমএ মডেলকে একটি রাজ্য-স্থান আকারে উপস্থাপন করা যেতে পারে, তবে কেবল সাধারণ রাজ্য-স্থানের মডেলগুলিকেই আরিমা আকারে প্রতিনিধিত্ব করা যেতে পারে।