Autoregressive moving average estimation

Modelagem de média móvel autoadressiva para estimação de parâmetros espectrales a partir de uma aquisição de mudança química de eco multigradiente T1 - Modelagem média móvel autoregressiva para estimação de parâmetros espectrales de uma aquisição de mudança química de eco multigradiente AU - Taylor, Brian A. AU - Hwang, Ken Pin AU - Hazle, John D. AU - Stafford, R. Jason N2 - Os autores investigaram o desempenho do algoritmo iterativo de Steiglitz-McBride (SM) em um modelo de sinais de média vertical autorregressivo (ARMA) de uma aquisição rápida, escassamente amostrada, multi-eletrica, de mudança química (CSI) usando simulação, fantasma, Experiências ex vivo e in vivo com foco em seu potencial uso em intervenções guiadas por ressonância magnética (MR). O modelo de sinal ARMA facilitou um rápido cálculo do deslocamento químico, tempo aparente de relaxamento de spin-spin (T2) e amplitudes complexas de um sistema multipiste a partir de um número limitado de ecos (16). Foram utilizadas simulações numéricas de sistemas de um e dois picos para avaliar a precisão e incerteza nos parâmetros espectrales calculados em função da aquisição e dos parâmetros do tecido. As incertezas medidas da simulação foram comparadas com o limite teórico Cramer-Rao (CRLB) para a aquisição. As medições feitas em fantasmas foram utilizadas para validar as estimativas T2 e validar as estimativas de incerteza feitas a partir do CRLB. Demonstrou aplicação para intervenções guiadas por RM em tempo real ex vivo usando a técnica para monitorar uma injeção percutânea de etanol em um fígado bovino e in vivo para monitorar um tratamento de terapia termotratada induzida por laser em um cérebro canino. Os resultados da simulação mostraram que as incertezas químicas de mudança e amplitude atingiram o respectivo CRLB em uma relação sinal-ruído (SNR) 5 para comprimentos de trem de eco (ETLs) 4 usando um espaçamento de eco fixo de 3,3 ms. As estimativas T2 do modelo de sinal apresentaram maiores incertezas, mas atingiram o CRLB em SNRs maiores ou ETLs. Estimações altamente precisas para o deslocamento químico (lt0.01 ppm) e amplitude (lt1.0) foram obtidas com 4 ecos e para T2 (lt.0) com 7 ecos. Concluímos que, ao longo de uma gama razoável de SNR, o algoritmo SM é um estimador robusto de parâmetros espectrales de aquisições rápidas de CSI que adquirem 16 ecos para sistemas de um e dois picos. Experimentos preliminares ex vivo e in vivo corroboraram os resultados de experimentos de simulação e indicam ainda o potencial desta técnica para procedimentos de intervenção guiados por RM com resolução spatiotemporal elevada 1,61,64 mm3 em 5 s. 2009 Associação Americana de Físicos em Medicina. AB - Os autores investigaram o desempenho do algoritmo iterativo de Steiglitz-McBride (SM) em um modelo de sinais de média móvel autorregressivo (ARMA) de uma aquisição rápida, escassamente amostrada, multi-eletrica, de mudança química (CSI) usando simulação, fantasma, ex Vivo e in vivo com foco em seu potencial uso em intervenções guiadas por ressonância magnética (MR). O modelo de sinal ARMA facilitou um rápido cálculo do deslocamento químico, tempo aparente de relaxamento de spin-spin (T2) e amplitudes complexas de um sistema multipiste a partir de um número limitado de ecos (16). Foram utilizadas simulações numéricas de sistemas de um e dois picos para avaliar a precisão e incerteza nos parâmetros espectrales calculados em função da aquisição e dos parâmetros do tecido. As incertezas medidas da simulação foram comparadas com o limite teórico Cramer-Rao (CRLB) para a aquisição. As medições feitas em fantasmas foram utilizadas para validar as estimativas T2 e validar as estimativas de incerteza feitas a partir do CRLB. Demonstrou aplicação para intervenções guiadas por RM em tempo real ex vivo usando a técnica para monitorar uma injeção percutânea de etanol em um fígado bovino e in vivo para monitorar um tratamento de terapia termotratada induzida por laser em um cérebro canino. Os resultados da simulação mostraram que as incertezas químicas de mudança e amplitude atingiram o respectivo CRLB em uma relação sinal-ruído (SNR) 5 para comprimentos de trem de eco (ETLs) 4 usando um espaçamento de eco fixo de 3,3 ms. As estimativas T2 do modelo de sinal apresentaram maiores incertezas, mas atingiram o CRLB em SNRs maiores ou ETLs. Estimações altamente precisas para o deslocamento químico (lt0.01 ppm) e amplitude (lt1.0) foram obtidas com 4 ecos e para T2 (lt.0) com 7 ecos. Concluímos que, ao longo de uma gama razoável de SNR, o algoritmo SM é um estimador robusto de parâmetros espectrales de aquisições rápidas de CSI que adquirem 16 ecos para sistemas de um e dois picos. Experimentos preliminares ex vivo e in vivo corroboraram os resultados de experimentos de simulação e indicam ainda o potencial desta técnica para procedimentos de intervenção guiados por RM com resolução spatiotemporal elevada 1,61,64 mm3 em 5 s. 2009 Associação Americana de Físicos em Medicina. KW - média móvel autorregressiva (ARMA) KW - imagem de mudança química (CSI) KW - intervenções guiadas por MR KW - aquisição de eco multidimensionaisParameters Estimativa da média móvel móvel autoregressiva e modelos verticais em movimento integrado autoregressivo e compare sua capacidade de previsão de fluxo Mohammad Valipour, Mohammad Ebrahim Banihabib e Seyyed Mahmood Reza Behbahani Revista de Matemática e Estatística Volume 8, Edição 3 Neste estudo, a capacidade dos modelos ARMAA (Moore Automotivo Diferencial Automotivo) (ARMAA) e Automatismos Integrados de Mudança Integrada (ARIMA) na previsão do ingresso mensal do reservatório da barragem Dez, localizado em Teleh Zang A estação em Dez Dam upstream é estimada. O modelo ARIMA encontrou uma aplicação generalizada em muitas ciências práticas. Além disso, a previsão de influxo do reservatório de barragens é feita por alguns métodos, como regressão linear ordinária, ARMA e redes neurais artificiais. Por outro lado, a aplicação de ambos os modelos ARMA e ARIMA simultaneamente para comparar a sua capacidade na previsão autorregressiva do ingresso mensal do reservatório da represa não foi realizada em pesquisas anteriores. Portanto, este trabalho tenta prever o ingresso do reservatório de barragens de Dez usando modelos ARMA e ARIMA, aumentando o número de parâmetros para aumentar a precisão da previsão em quatro parâmetros e comparando-os. Nos modelos ARMA e ARIMA, o polinômio foi derivado respectivamente com quatro e seis parâmetros para prever o influxo. Ao comparar o erro quadrático médio do modelo, determinou-se que o modelo ARIMA pode prever a entrada para o reservatório Dez a partir de 12 meses atrás com menor erro do que o modelo ARMA. Copie 2017 Mohammad Valipour, Mohammad Ebrahim Banihabib e Seyyed Mahmood Reza Behbahani. Este é um artigo de acesso aberto distribuído sob os termos da Licença de Atribuição de Commons. Que permite o uso, a distribuição e a reprodução sem restrições em qualquer meio, desde que o autor original e a fonte sejam creditados. Estimativa Baseada em Ranks para Modelos de Série de Tempo Médio Motivo Autoregressivo A filiação de Beth Andrews não é fornecida à SSRN Nós estabelecemos a normalidade e consistência assintótica para basear rank Estimadores de parâmetros de modelos médios verticais autorregressivos. Os estimadores são obtidos minimizando uma função de dispersão residual baseada em rank semelhante à dada por L. A. Jaeckel Ann. Matemática. Stat. Vol. 43 (1972) 1449-1458. Esses estimadores podem ter a mesma eficiência assintótica que os estimadores de máxima verossimilhança e são robustos. A qualidade das aproximações assintóticas para amostras finitas é estudada por simulação. Número de páginas no arquivo PDF: 23 Data de publicação: 11 de dezembro de 2007 Citação sugerida Andrews, Beth, Estimativa baseada em ranks para modelos de séries temporais médias em movimento autoregressivos (0000). Journal of Time Series Analysis, Vol. 29, edição 1, pp. 51-73, janeiro de 2008. Disponível na SSRN: ssrnabstract1067149 ou dx. doi. org10.1111j.1467-9892.2007.00545.x Informações de contato