تخمین پارامتر سریهای زمانی دو بعدی چند متغیره گسسته

چکیده مقاله

در این مقاله، تخمین پارامترهای سریهای زمانی دوبعدی چندمتغیره که درواقع نوع تعمیم یافته از سریهای زمانی یک بعدی هستند، مورد بررسی قرار میگیرد. اهمیت این مقاله با توجه به نبود روشی جامع جهت تخمین پارامترهای این دسته از سریهای زمانی و کاربرد آنها واضح و مبرهن است. اغلب در شناسایی سریهای زمانی فرض بر آن است که تنها زمان عامل تأثیرگذار بر مقدار سری است، حال آنکه که در پدیدههای فیزیکی و صنعت متغیرهای دیگری از جمله مکان نیز تأثیرگذار خواهد بود. از اینرو شناسایی یک مدل چند بعدی سبب افزایش دقت مدلسازی و تخمین خواهد شد. انگیزه ی اصلی این مقاله ارائه ی الگوریتمی جامع برمبنای فلسفه بیزین برای سریهای زمانی دوبعدی چندمتغیره است. الگوریتم ارائه شده میتواند مدلهای سری زمانی پارامتری خودهمبسته یا AR و خودهمبسته با میانگین متحرک یا ARMA را به شکل یک مدل رگرسیون خطی درآورد. در ادامه نیز نتیجه این الگوریتم در تخمین پارامتر مورد بررسی قرار گرفته است و با استفاده از نتایج شبیهسازی نشان داده شده است که این الگوریتم از دقت و کارایی بالا برخوردار است.