On the Structural Representation for Polynomial-Projecting Predictor Models Based on the Kalman Filter
基于 Kalman 滤波的多项式投影预测模型的结构表示AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究动态线性模型、Kalman 滤波及预测器结构，对应时间序列与预测方法。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于 Kalman 滤波的多项式投影预测模型的结构表示
- 研究问题
- 动态线性模型在什么条件下能够产生多项式投影预测器，并避免摘要所指的极限约束及不必要的结构复杂性？
- 方法与思路
- 作者在采用 Kalman 滤波更新的动态线性模型中推导相应条件，给出结构简单的例子，并讨论系统扰动的对角协方差。
- 材料陈述的贡献
- 摘要称给出了产生此类多项式投影预测器的条件及满足条件的简单模型，同时讨论对角扰动协方差矩阵的使用。
- 阅读关注点
- 应核对多项式投影和极限约束的准确含义、状态与扰动结构的条件，以及对角协方差设定对预测性质的影响。
- 阅读边界
- 仅据所给 Crossref 摘要；条件、预测阶数及误差性质未说明，也未提供预测精度比较，不能推断后续刊本的变化。
原文摘要
Summary Harrison and Stevens (1976) give a general class of dynamic linear models which incorporates a stochastic structure for describing model components and which utilizes the Kalman filter algorithm to update the system. This paper derives conditions for the dynamic linear models to yield polynomial-projecting predictors which do not have limiting constraints imposed upon them. Some examples of structurally simple models which satisfy these conditions are given, and the use of a diagonal covariance matrix for the system disturbances is discussed.