不同类型识别变量的自回归模型异常值探测的Bayes方法
Bayesian Methods for Outliers Detection in Autoregressive Model Based on Different Types of Classification Variables作者机构：信息工程大学理学院河南郑州450001 信息工程大学测绘学院河南郑州450052
出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)
年 卷 期：2012年第41卷第3期
页 面：378-384页
核心收录：
学科分类：070801[理学-固体地球物理学] 07[理学] 08[工学] 0708[理学-地球物理学] 0816[工学-测绘科学与技术]
基 金：国家自然科学基金(40974009 41174005) 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(0910SGYG21198)
主 题：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
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革新异常值的探测问题是可行的和有效的。
维普期刊数据库
同方期刊数据库