Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos

Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados, 2023.

Detalles Bibliográficos
Autor principal: Nievas Lio, Estefanía
Otros Autores: Pulido, Manuel
Formato: masterThesis
Lenguaje:Español
Publicado: 2023
Materias:
Asimilación de datos
Filtro de Kalman por ensambles
Algoritmo EM
Parámetros de la covarianza
Factor de inflación
Acceso en línea:http://hdl.handle.net/11086/548203
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-548203
record_format dspace
spelling I10-R141-11086-5482032023-08-30T13:16:10Z Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos Nievas Lio, Estefanía Pulido, Manuel Asimilación de datos Filtro de Kalman por ensambles Algoritmo EM Parámetros de la covarianza Factor de inflación Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados, 2023. Fil: Nievas Lio, Estefanía. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados; Argentina. En el filtro de Kalman por ensambles la subestimación del error del pronóstico, debido al tamaño limitado de los ensambles y al error de modelo, es un desafío que requiere de métodos ad-hoc para su tratamiento. Esta deficiencia es comúnmente tratadas a través de inflación multiplicativa o aditiva de la covarianza de la predicción. En general, existen propuestas de estimación de la inflación multiplicativa a través de métodos adaptativos para cada ciclo. Miyoshi et al. propone una estimación adaptativa para la estimación del factor de inflación. En esta tesis se propone el desarrollo de una técnica que permita la estimación de factores multiplicativos de la covarianza, tanto para el caso de inflación multiplicativa como la aditiva, a partir de observaciones distribuidas en el tiempo. Las metodologías se basan en la búsqueda de los parámetros óptimos que maximicen la verosimilitud de las observaciones. Se proponen y evalúan diferentes metodologías: la optimización de la verosimilitud aproximada, por medio de evaluación en grilla y el método Nelder-Mead, y extensiones del algoritmo EM (Expectation–Maximization). Las técnicas se evalúan a través de experimentos gemelos en los cuales se generan observaciones sintéticas con los sistemas dinámicos de Lorenz 63 y 96, simulando entornos con y sin error de modelo. Se obtuvo como resultado la convergencia de los algoritmos desarrollados. Por un lado, la optimización de la función de log-verosimilitud aproximada por medio de los métodos Grid Search y Nelder-Mead proveen estimadores precisos para los parámetros de la covarianza. Por otro, las extensiones del algoritmo EM desarrolladas logran buenas estimaciones en contextos de regímenes casi lineales; sin embargo, estas últimas subestiman o sobreestiman los parámetros a medida que aumenta la presencia de error sistemático en contextos de modelo imperfecto. Fil: Nievas Lio, Estefanía. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados; Argentina. 2023-07-19T12:37:38Z 2023-07-19T12:37:38Z 2023 masterThesis http://hdl.handle.net/11086/548203 spa Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Asimilación de datos
Filtro de Kalman por ensambles
Algoritmo EM
Parámetros de la covarianza
Factor de inflación
spellingShingle Asimilación de datos
Filtro de Kalman por ensambles
Algoritmo EM
Parámetros de la covarianza
Factor de inflación
Nievas Lio, Estefanía
Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos
topic_facet Asimilación de datos
Filtro de Kalman por ensambles
Algoritmo EM
Parámetros de la covarianza
Factor de inflación
description Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados, 2023.
author2 Pulido, Manuel
author_facet Pulido, Manuel
Nievas Lio, Estefanía
format masterThesis
author Nievas Lio, Estefanía
author_sort Nievas Lio, Estefanía
title Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos
title_short Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos
title_full Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos
title_fullStr Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos
title_full_unstemmed Estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos
title_sort estimación de parámetros de la covarianza del pronóstico usando máxima-verosimilitud en sistemas dinámicos geofísicos
publishDate 2023
url http://hdl.handle.net/11086/548203
work_keys_str_mv AT nievaslioestefania estimaciondeparametrosdelacovarianzadelpronosticousandomaximaverosimilitudensistemasdinamicosgeofisicos
_version_ 1782014394600783872

Ejemplares similares