Scribd
Importer
4 vues3 pages

TD4 Modelisation

Le document présente des exercices sur la modélisation et la simulation de processus AR(2) et ARX(1,1) en ingénierie. Il inclut des calculs de prévisions, d'équations caractéristiques, et d'estimation de paramètres avec des données observées. Les exercices visent à renforcer la compréhension des modèles de séries temporelles et de leurs propriétés statistiques.

Transféré par

souhakl25
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
4 vues3 pages

TD4 Modelisation

Le document présente des exercices sur la modélisation et la simulation de processus AR(2) et ARX(1,1) en ingénierie. Il inclut des calculs de prévisions, d'équations caractéristiques, et d'estimation de paramètres avec des données observées. Les exercices visent à renforcer la compréhension des modèles de séries temporelles et de leurs propriétés statistiques.

Transféré par

souhakl25
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

MODELISATION ET SIMULATION

4eme Année Ingénieur, Option IA

SERIE 4

EXO 1 :

On considère le processus AR(2) suivant :

X(k) =0,6 X( k−1) −0,1 X(k−2)+ϵt


où ϵt est un bruit blanc de moyenne 00 et de variance σϵ
2
=2.
On donne les valeurs observées suivantes :

X(k−2)=4, X( k−1) =1

1. Calculez la prévision un pas en avant X(k) étant données ( k−1) et X(k−2)


2. Écrivez l’expression de la prévision deux pas en avant X(k+1∣k−1) (prévision de X(
k+1) avec les informations jusqu’au temps k −1).
3. Déterminez l’équation caractéristique de ce modèle AR(2) et vérifiez si le processus est
stationnaire.
(Pour la stationnarité, les racines de l’équation caractéristique doivent être à l’extérieur du
cercle unité dans le plan complexe ; ou bien, pour un AR(2) :

Xt=ϕ1X(k−1)+ϕ2X(k−2)+ϵt,
on peut utiliser les conditions :

ϕ2−ϕ1<1, ϕ2+ϕ1<1, ∣ϕ2∣<1


et que les autocorrélations ρ(1),ρ(2) s’obtiennent à partir des équations de Yule-Walker :

ρ(1)=ϕ1ρ(0)+ϕ2ρ(1)
ρ(2)=ϕ1ρ(1)+ϕ2ρ(0)
avec ρ(0)=1, calculez ρ(1) et ρ(2).

Puis déduisez la variance non conditionnelle γ(0).

EXO 2 :

On considère le modèle ARX(1,1) suivant :

Y(k) =ϕ Y(k−1) +β U(k−1)+ϵ(k)


avec :

 Y(k): variable endogène (sortie)


1
 U(k): variable exogène (entrée)
 ϵ(k): bruit blanc gaussien de moyenne 0 et variance σ2=1
 ϕ=0.7
 β=0.4
Données observées :

 À l'instant k −1 : Y(k−1) =3 et U(k-1)=2


 À l'instant k : U(k)=1.5 (connue pour la prévision)

Questions :

1. Prévision un pas en avant : Calculez la prévision de Y(k):faite à


l'instant k−1, notée (k∣k−1).
2. Prévision deux pas en avant : Calculez la prévision de Y(k+1) faite à
l'instant k −1, notée (k+1∣k−1)., en supposant que U(k) est connue et
que U(k+1) est prévue égale à 1.
3. Effet d'une variation : Si l'entrée U(k-2) avait été de 2.5 au lieu de 2, quelle
aurait été la prévision (k∣k−1). (toutes choses égales par ailleurs) ?
4. Interprétation des coefficients : Que représente concrètement le
coefficient β dans ce modèle ? Et le coefficient ϕ ?

EXO 3 :

On cherche à identifier les paramètres d'un modèle ARX(1,1) de la forme :

Y(k)=ϕY(k−1)+βU(k−1)+ϵ(k)
où :

 Y(k) est la variable de sortie mesurée


 U(k) est la variable d'entrée connue
 ϵ(k) est un bruit blanc de moyenne nulle
 ϕ et β sont les paramètres à identifier
Données mesurées :

2
1. Formulation des équations
Écrivez les équations correspondant aux mesures pour k=2,3,4 selon la
structure ARX(1,1).
2. Sous forme matricielle
Mettez ces équations sous la forme matricielle Y=Xθ+ϵ où :
o Y est le vecteur des sorties
o X est la matrice des régresseurs
o θ=[ϕ,β]T est le vecteur des paramètres
3. Estimation par les moindres carrés
Utilisez la formule des moindres carrés ordinaires :
=(XTX)−1 XTY

pour estimer les paramètres ϕ et β.

4. Vérification
Calculez les valeurs prédites par le modèle avec vos paramètres estimés
pour k=2,3,4 et comparez-les aux valeurs mesurées.
5. Interprétation
Interprétez physiquement les valeurs de ϕ et β obtenues.

Vous aimerez peut-être aussi