用于部分观测交互系统的袋装滤波器
统计方法学
2021-12-08 v4
摘要
袋装(即自助聚合)涉及结合一组自助估计量。我们考虑针对一组交互随机动态系统的含噪或不完整测量进行推断时的袋装方法。每个系统称为一个单元,且每个单元关联一个空间位置。一个 motivating 例子出现在流行病学中,其中每个单元是一座城市:大多数传播发生在一个城市内,而来自城市间疾病传播的较小却具流行病学重要性的交互也随之产生。用于非线性非高斯系统推断的蒙特卡洛滤波方法会随单元数量增加遭受维数灾难。我们引入袋装滤波器(BF)方法,其结合一组蒙特卡洛滤波器,利用时空局部化权重在每个单元和时刻筛选成功的滤波器。我们获得了使用 BF 算法进行似然评估可战胜维数灾难的条件,并展示了即便这些条件不成立时的适用性。BF 在描述传染病传播的连接种群动态模型上可优于集成卡尔曼滤波器。块粒子滤波器在此任务上亦表现良好,尽管袋装滤波器尊重平滑性与守恒律,而块粒子滤波器可能违背之。
引用
@article{arxiv.2002.05211,
title = {Bagged filters for partially observed interacting systems},
author = {Edward L. Ionides and Kidus Asfaw and Joonha Park and Aaron A. King},
journal= {arXiv preprint arXiv:2002.05211},
year = {2021}
}