【技术实现步骤摘要】
本专利技术属于预测方法
，尤其涉及。
技术介绍
常规混合谱分析方法或是基于周期图的，或是基于高阶AR模型的，详细讨论了有限阶AR谱估计方法对低阶混合谱估计的渐近统计特性。然而，这些谱估计方法的估计精度受到采集数据长度有限及模型阶数有限的影响。由于参数化方法相对非参数化方法具有较高的谱估计精度，因此，很多文献通过对特定混合谱参数化模型进行参数估计来实现混合谱估计的目的。参数化的混合谱估计过程中需要对正弦参数及AR模型参数进行估计，因涉及高维搜索问题，运算复杂度过高。
技术实现思路
本专利技术就是针对上述问题，提供一种运算复杂度低的精确混合谱预测方法。为实现上述目的，本专利技术包括以下步骤。AR模型参数a、τ及中间参数c根据被估计参数的满足条件后,分布建立Markov链，通过循环抽取每个参数获得服从相应分布的参数估计样本。步骤1:设置c=r,利用其计算出相应的矩阵D和矢量d。步骤2:满条件后验分布抽取参数τ的样本i τ。步骤3:根据样本i τ，依参数a的满条件后验分布抽取其样本ia。步骤4:根据将样本i τ和ia，依中间参数c的满条件后验分布抽取其样本...
【技术保护点】
一种精确混合谱预测方法，其特征在于包括以下步骤：AR模型参数a、τ及中间参数c根据被估计参数的满足条件后，分布建立Markov链，通过循环抽取每个参数获得服从相应分布的参数估计样本；步骤1：设置c=r，利用其计算出相应的矩阵D和矢量d；步骤2：满条件后验分布抽取参数τ的样本iτ；步骤3：根据样本iτ，依参数a的满条件后验分布抽取其样本ia；步骤4：根据将样本iτ和ia，依中间参数c的满条件后验分布抽取其样本ic；步骤5：利用样本ic重新计算矩阵D和矢量d，并执行步骤2，循环计算。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。