ARMA模型参数估计的最小二乘法

deco1515

于 2010-08-12 16:02:00 发布

阅读量1.3w

点赞数

CC 4.0 BY-SA版权

文章标签：算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/deco1515/article/details/5807196

最小二乘法在ARMA模型参数估计中被广泛应用，因其算法简单、计算量小和收敛性能良好。然而，非递推最小二乘法的计算复杂度随着阶次增加迅速增长。为解决这一问题，通常采用递推最小二乘法（RLS）进行参数估计，以降低计算负担并确保估计的可靠性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最小二乘法（LS）要求系统的先验统计知识少，算法简单，计算量小，收敛性能好，而且参数是真值的无偏估计，保证了估计的可靠性。

非递推最小二乘法计算公式的缺点是每次计算参数都得重新利用过去的数据，计算次数正比于n的平方（n为阶次)。当利用高阶AR模型近似ARMA模型时，随着n的增大，计算量会较快增长。一般利用递推最小二乘法（RLS

最低0.47元/天解锁文章

200万优质内容无限畅学

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。