本文選題：非線性動力系統(tǒng)模型 + 參數(shù)估計��； 參考：《蘭州大學》2017年碩士論文

【摘要】：馬爾科夫鏈蒙特卡洛算法(MCMC)、序貫蒙特卡洛采樣算法(SMC)和群智能算法(SI)皆可用于復雜系統(tǒng)的不確定性估計和參數(shù)估計。用于參數(shù)估計的方法很多,但選取高效的算法估計非線性動力系統(tǒng)的未知參數(shù),顯得極為重要。估計非線性動力系統(tǒng)的參數(shù),本文分為兩種情況:一種是有固定參數(shù)估計的非線性動力系統(tǒng);一種是根據(jù)新加入的觀測數(shù)據(jù)不斷調(diào)整參數(shù)的離散非線性的狀態(tài)-空間隨機模型。討論適用估計有固定參數(shù)的非線性動力系統(tǒng)參數(shù)的方法,本文選取Lorenz混沌模型。討論這個模型時,本文展示:(1)結合了SMC、灰狼優(yōu)化、M-H準則,使之成為結合性的算法(簡寫為SMC-GWO);(2)比較自適應Metropolis(AM)算法,差分進化馬爾科夫鏈(DEMC),SMC,GWO,SMC-GWO,SMC-RWM以及SMC-DEMC結合算法的適用性和有效性。討論適用于估計離散非線性狀態(tài)空間模型參數(shù)的算法,本文選取關于Ebola病毒的傳播模型:離散化的SIR模型和Richards模型。討論兩個模型時,本文展示SMC-RWM、SMCDEMC、SMC-GWO算法對它們進行參數(shù)估計,比較各算法法仿真的結果,SMC-GWO算法估計的結果最精確。通過估計兩個模型的基本再生數(shù),說明SMC-GWO算法最適用于離散非線性模型。
[Abstract]:This paper presents a method for estimating the parameters of nonlinear dynamical systems .

【學位授予單位】：蘭州大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：O19

【相似文獻】

相關期刊論文 前10條

1 方兆p，

本文編號：1772525