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।
1
আপনার প্রথম পয়েন্টে উল্লিখিত জেএফইউ অতিরিক্ত সুবিধাগুলি সহজেই একাধিক স্তরের শিফট এবং আউটলিয়ারকে অন্তর্ভুক্ত করতে পারে। আমার অভিজ্ঞতায় স্ট্রাকচারাল ব্রেকগুলি আরিমার চেয়ে রাজ্য স্পেসের সাথে সহজেই চিহ্নিত করা যায়। এছাড়াও সহজেই বহিরাগত ভেরিয়েবলের ননলাইন প্রভাবগুলি অন্তর্ভুক্ত করতে পারে। সময় সিরিজের ডেটা স্থির থাকতে হবে না যা একটি বিশাল +।
—
পূর্বাভাসকারী
আচ্ছা আমি যে কোনও সময় আরিমার উপরে রাজ্যের স্পেস মডেল নেব। আমি দুটি অসুবিধাগুলি (সাজানোর) কথা ভাবতে পারি: ক) একটি আরিমা মডেলের সংশ্লিষ্ট রাষ্ট্রীয় স্থানের নকশার ম্যাট্রিকগুলিতে প্রচুর অপ্রয়োজনীয় শূন্য রয়েছে। কেউ তর্ক করতে পারে যে আরিমা আরও কমপ্যাক্ট। খ) অ-রৈখিক / নন-গাউশিয়ান মডেলগুলি রয়েছে যা বিশ্লেষণাত্মক ফর্মগুলির সাথে খুব কমই এআরআইএমএ ফর্মের মতো বর্ণিত হতে পারে, তবে traditionalতিহ্যবাহী রাষ্ট্রীয় স্থানে এটি কঠিন হবে।
—
ক্যাগডাস ওজজেঙ্ক
@ কোচেডে ডুরবিন এবং কোপম্যান অনেকগুলি অসুবিধার কথা ভাবতে পারেননি - তারা তাদের দুর্দান্ত পাঠ্যপুস্তকে ৫২ পৃষ্ঠার নীচে দুটি উল্লেখ করেছেন । এবং আমি বলব যে এই অসুবিধাগুলি আর সত্য হয় না।
কিছু প্রশ্ন . এটি স্পষ্টভাবে সময়ের ট্রেন্ড পরিবর্তনগুলি চিহ্নিত করে এবং প্রবণতা পরিবর্তিত হয় এমন সময়ে পয়েন্টগুলি প্রতিবেদন করে? এটি পরামিতি পরিবর্তন এবং ত্রুটির বৈকল্পিক পরিবর্তনগুলির মধ্যে পার্থক্য করে এবং এর প্রতিবেদন করে? এটি সনাক্ত করা এবং ব্যবহারকারী নির্দিষ্ট করা ভবিষ্যদ্বাণী সম্পর্কে চার্জ নির্দিষ্ট প্রভাব এবং রিপোর্ট করে? একটি স্তর বিন্যাস / স্থানীয় সময় প্রবণতা ঘোষণার আগে কি কেউ একটি গ্রুপের সর্বনিম্ন মানের সংখ্যা নির্দিষ্ট করতে পারে? ত্রুটি বৈকল্পিক পরিবর্তিত হয় এমন সময়ে এটি ডিটারমিনিটিক পয়েন্টগুলির তুলনায় বিদ্যুতের পরিবর্তনের প্রয়োজনের মধ্যে পার্থক্য করে? এআরম্যাক্স মডেলগুলি এই সমস্ত বিবেচনার সাথে কথা বলে।
—
আইরিশস্ট্যাট
সম্পূর্ণতার জন্য, কিছু পরিস্থিতিতে একটি অসুবিধা হ'ল আপনাকে সেগুলি ব্যাখ্যা করতে হবে। এটি আপনার দর্শকদের উপর নির্ভর করে। আমি যদি খুশি হয় যে কেউ যদি কোনও কৌশল চয়ন করার ক্ষেত্রে অপ্রাসঙ্গিক হয় বা এমন হওয়া উচিত বলে এটিকে বরখাস্ত করতে চান।
—
নিক কক্স