Saturday 18 November 2017

Bootstrapping Estacionária Autoregressive Moving Average Models


Bootstrapping modelos de média móvel autorregressivos estacionários QuotFuture estados são determinados pela direção do vento mais recentemente observado no local de interesse. Conjuntos de velocidades de vento futuras são então desenvolvidos com um bootstrap de peneiro 4, 7, 8, 23 de dados, sem impor pressupostos paramétricos restritivos e muitas vezes impraticáveis ​​sobre os dados de velocidade do vento. O novo modelo BRS amplia ainda mais algumas das abordagens previamente sugeridas para a previsão da velocidade do vento de várias maneiras. Embora a energia eólica limpa e sustentável tenha sido reconhecida há muito como uma das fontes de energia elétrica mais atraentes, a geração de energia eólica ainda é muito mais fácil do que sua integração em mercados liberalizados de eletricidade. Um dos principais obstáculos no caminho de uma maior implementação da energia eólica é a sua natureza altamente volátil e intermitente. Isso aumentou o interesse em desenvolver uma previsão totalmente probabilística da velocidade do vento, visando avaliar uma variedade de incertezas relacionadas. No entanto, a maior parte da metodologia disponível para construir uma futura densidade preditiva para a velocidade do vento baseia-se em pressupostos distributivos paramétricos sobre os dados de vento observados e tais condições são frequentemente demasiado restritivas e inviáveis ​​na prática. Neste artigo propomos uma nova abordagem não-paramétrica orientada a dados para a previsão probabilística da velocidade do vento, combinando de forma adaptativa os modelos de bootstrap de peneira e de comutação de regime. Nosso novo modelo de comutação de regime bootstrapped (BRS) oferece conjuntos de previsões de velocidade do vento altamente competitivos, nítidos e calibrados, governados por vários estados de direção do vento e impõe requisitos mínimos sobre os dados de vento observados. A metodologia proposta é ilustrada pelo desenvolvimento de previsões probabilísticas de velocidade do vento para um site no Estado de Washington, EUA. No entanto, essa abordagem aleatória é incapaz de garantir a estrutura de correlação temporal, de modo que é incapaz de refletir a propriedade estatística de flutuação de curto prazo. Neste artigo, introduzimos dois métodos para gerar a seqüência plausível de flutuação, uma baseia-se na abordagem de auto-regressão média (ARMA) bootstrap 2, ea outra é baseada na abordagem de bootstrap em bloco 5. A primeira abordagem foi introduzida na nossa abordagem A flutuação inesperada da produção de energia eólica se tornará um problema sério do ponto de vista do fornecimento estável para uma rede elétrica. Operar um sistema de bateria instalado na grade para mitigar a flutuação de curto prazo é uma das novas abordagens para a estabilização da rede. Neste trabalho, propomos um método de geração de perfis sintéticos de energia eólica com alta resolução temporal para simulação de fluxo de potência que visa estimar o impacto da flutuação da energia eólica e especificar o sistema de bateria necessário. Mostramos numericamente a plausibilidade dos perfis de energia eólica sintética dos pontos de vista das propriedades estatísticas. Texto completo Artigo Nov 2016 Seigo Furuya Yu Fujimoto Noboru Murata Yasuhiro Hayashi quotA justificativa para um bootstrap paramétrico é que, no quadro de Dufour et al. (2010) os erros são restritos, eo bootstrap paramétrico preserva a restrição. Outra abordagem seria usar um procedimento de bootstrap não-paramétrico baseado em resíduos (ver Kreiss e Franke 1992 e Kreiss 1997). Um teste combinado de Lagrange multiplicador (LM) para erros heteroskedastic condorentes (ARCH) autoregressivos em modelos de autorregressivos vetoriais (VAR) é proposto pela substituição de um Monte Carlo exato ( MC) por um teste MC de bootstrap quando o modelo inclui atrasos. O teste evita o problema da alta dimensionalidade em testes multivariados para ARCH em modelos VAR. Ele só requer a computação estatísticas univariadas. Uma vantagem computacional é, portanto, que o número de parâmetros a serem estimados é independente da dimensão do processo VAR. O teste de bootstrap MC é mostrado como sendo assintoticamente válido. As simulações de Monte Carlo mostram que o teste tem boas propriedades de amostra finita. O teste é robusto contra uma distribuição de erro não normal. São apresentadas duas aplicações financeiras de testes LM multivariados para ARCH a preços de swaps de risco de incumprimento (CDS) e Euribor. Os resultados indicam que os erros são distorcidos e pesados, e que há efeitos significativos ARCH. Texto integral Artigo Nov 2016 P. S. Catani N. J.C. Análise de periodograma e periodograma cruzado de modelos de média móvel auto-regressiva Efstathios Paparoditis Departamento de Matemática e Estatística, Universidade de Chipre, Kallipoleos 75, P. O. São discutidas algumas propriedades de um procedimento de bootstrap aplicado para avaliar a distribuição da matriz de periodograma para amostras obtidas a partir de um processo de média móvel auto-regressiva de vetor estacionário. Bootstrap Matriz de periodograma Processo de média móvel autorregressiva de vetor Copyright © 1996 by Elsevier B. V. Artigos de citação () Modelos de média móvel de bootstrapping Resumo Nos últimos anos, o método de bootstrap foi estendido a análise de séries temporais onde as observações são correlacionadas em série. As contribuições concentraram-se no modelo autorregressivo que produz procedimentos alternativos de reamostragem. Em contraste, além de algumas aplicações empíricas, muito pouca atenção tem sido dada à possibilidade de estender o uso do método bootstrap para a média móvel pura (MA) ou modelos ARMA mistos. Neste artigo, apresentamos um novo procedimento de bootstrap que pode ser aplicado para avaliar as propriedades distributivas das estimativas de parâmetros de média móvel obtidas por uma abordagem de mínimos quadrados. Discutimos a metodologia e os limites de seu uso. Finalmente, o desempenho da abordagem bootstrap é comparado com o da alternativa concorrente dada pela simulação de Monte Carlo. Deseja ler o resto deste artigo. RESUMO: A complexa natureza inter-relacionada de sistemas multivariados pode resultar em relações e estruturas de covariância que mudam ao longo do tempo. A análise suave de componentes principais é proposta como um meio de investigar se e como a estrutura de covariância das variáveis ​​de resposta múltipla muda ao longo do tempo, após a remoção de uma função suave para a média e isso é motivado e ilustrado usando dados de um estudo de tecnologia aeronáutica e um Lago. Procedimentos inferenciais são investigados nos casos de erros independentes e dependentes, com um procedimento bootstrap proposto para detectar mudanças na direção ou variação dos componentes. (Hits0) Claire Miller Adrian Bowman RESUMO: Nós fornecemos a justificaçà £ o teÃrica de bootstrapping estacionário inversÃvel echelon vector autorregressivo movente-mà © dia (VARMA) modelos usando mà © todos lineares. A validade assintótica do bootstrap é estabelecida com forte ruído branco sob pressupostos paramétricos e não paramétricos. Nossos métodos são práticos e úteis para a construção de inferência baseada em simulação confiável e previsão sem a implementação de técnicas de estimação não-linear, como ML que geralmente é onerosa, tempo exigente ou impraticável, particularmente em sistemas grandes ou altamente persistentes. A relevância de nossos procedimentos é mais acentuada no contexto de técnicas de simulação dinâmica baseadas em testes de Monte Carlo (MMC) maximizados, ver Dufour J-M. Testes de Monte Carlo com parâmetros de incômodo: uma abordagem geral para a inferência de amostras finitas e asymptotics não padrão em econometria. J Econom. 2006133 (2): 443-477 e Dufour J-M, Jouini T. Ensaios com base em simulações de amostras finitas em modelos VAR com aplicações ao teste de causalidade de Granger. J Econom. 2006135 (1-2): 229-254 para o caso VAR. Evidências de simulação mostram que, comparados com astimóticos convencionais, nossos métodos de bootstrap têm boas propriedades de amostra finita na aproximação da distribuição real das estimativas de parâmetro VARMA de escalonamento estudado e na provisão de conjuntos de confiança de parâmetro de escalonamento com cobertura satisfatória. Neste artigo, apresentamos uma estrutura algorítmica baseada em lógica anotada paraconsistente (PAL) que pode simular os cálculos de valores médios presentes em um conjunto de dados e detectar as variações da média usando apenas PAL conceitos. Chamamos a estrutura como rede neural artificial paraconsistente para extração da média móvel (PANnet (mathrm)). Como exemplo de sua aplicação, utilizamos PANnet (mathrm) para auxiliar na análise de um índice de qualidade de produto final relacionado à engenharia elétrica. Para obter o resultado final, aplicamos PANnet (mathrm) para simular o comportamento estatístico do Controle Estatístico de Processos (SPC), comparando os valores obtidos com um ranking que estabelece padrões de índice de qualidade com base na distribuição de energia elétrica. Primeiro, os testes foram conduzidos usando dados com valores aleatórios para verificar o comportamento do PANnet (mathrm) e para definir o número ótimo de algoritmos para formar uma estrutura computacional otimizada. Utilizou-se, então, um banco de dados com os reais valores de tensão elétrica gerados por um sistema de energia elétrica de uma rede de energia elétrica no Brasil. Nos vários testes, PANnet (mathrm) detectou adequadamente as mudanças e identificou variações de tensão elétrica em linhas de transmissão de 220V. Os resultados mostram que o PANnet (mathrm) pode ser utilizado para construir uma arquitetura eficiente para a determinação e monitoramento de escores de qualidade com aplicações em diversas áreas de engenharia, especialmente para a detecção de índice de qualidade em uma rede de distribuição de eletricidade. Opções para acessar este conteúdo: Se você é membro de uma sociedade ou associação e precisa de assistência para obter instruções de acesso on-line, entre em contato com nossa equipe de Atendimento ao Cliente do Journal. Wiley. forceInterfaceContactJournalCustomerServicesV2. Se sua instituição atualmente não se inscreve neste conteúdo, recomende o título ao seu bibliotecário. Login através de outras opções de login institucionais onlinelibrary. wileylogin-options. Você pode comprar o acesso on-line a este artigo por um período de 24 horas (o preço varia de acordo com o título) Se você já tiver uma Wiley Online Library ou uma conta de usuário do Wiley InterScience: faça login acima e proceda à compra do artigo. Novos Usuários: Por favor, registre-se e, em seguida, proceda à compra do artigo. Procure seu nome de instituição abaixo para entrar via Shibboleth. Usuários Registrados, por favor efetue login: Acesse suas publicações, artigos e pesquisas salvas. Gerencie seus e-mails, pedidos e assinaturas Altere suas informações de contato, incluindo sua senha Registre-se para: Salvar publicações, artigos e pesquisas Obter e-mails Receba todos os benefícios mencionados abaixo

No comments:

Post a Comment