针对随机微分方程似然函数的复杂性,提出基于极大似然思想改进的参数估计方法。根据贝叶斯原理,将似然函数的最大化问题转化为对参数后验分布的研究,但其积分解析形式很难获得,因此后验分布一般并非标准分布。结合随机微分方程的模型特殊性,采用卡尔曼滤波和MCMC抽样方法得到参数的估计。实例表明,该算法对随机微分方程的参数估计是有效的。
科研之友
微信
新浪微博
Facebook
分享链接
