ARMA模型参数估计的最小二乘法

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

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值