02417 Tidsrækkeanalyse

2024/2025

Kursusinformation
Time Series Analysis
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
Retningsspecifikt kursus (MSc), se flere
Retningsspecifikt kursus (MSc), Sustainable Energy
Retningsspecifikt kursus (MSc), Environmental Engineering
Retningsspecifikt kursus (MSc), Quantitative Biology and Disease Modelling
Retningsspecifikt kursus (MSc), Mathematical Modelling and Computation
Retningsspecifikt kursus (MSc), Sustainable Energy Systems
Retningsspecifikt kursus (MSc), Business Analytics
Retningsspecifikt kursus (MSc), Human-Centered Artificial Intelligence
Teknologisk specialisering (MSc), se flere
Teknologisk specialisering (MSc), Business Analytics
Teknologisk specialisering (MSc), Petroleum Engineering
Teknologisk specialisering (MSc), Human-Centered Artificial Intelligence
Teknologisk specialisering (MSc), Mathematical Modelling and Computation
Teknologisk specialisering (MSc), Environmental Engineering
Teknologisk specialisering (MSc), Sustainable Energy
Teknologisk specialisering (MSc), Quantitative Biology and Disease Modelling
Tilvalgskurser, IT og Økonomi
F4B (fre 8-12)
Campus Lyngby
Forelæsninger, grupperegning og computer-øvelser.
13-uger
Bedømmelse af opgave(r)/rapport(er)
Bedømmelse af individuelle rapporter.
7-trins skala , intern bedømmelse
(02402/02403) . (02631/02525) , Et grundkursus i statistik og et grundkursus i programmering.
Henrik Madsen , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3408 , hmad@dtu.dk
Peder Bacher (Primær kontaktperson) , Lyngby Campus, Bygning 303B , pbac@dtu.dk
Pernille Yde Nielsen , pydni@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren
Overordnede kursusmål
At indføre deltagerne i statistisk analyse af tidsrækker med særligt henblik på anvendelser i ingeniørfagene og ved modellering af fysiske systemer. Herunder lægges vægt på modelformulering og estimation, og på at give baggrund for anvendelser indenfor forudsigelser, automatisk kontrol, billedanalyse, økonometri, kvalitetskontrol, instrumentering m.v
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Anvende metoder til opbygning af dynamiske stokastisk modeller
  • Forstå sammenhængen mellem dynamiske systemer og stokastiske processer
  • Kende en række linæere stokastiske procesmodeller (ARMA; ARX; Box-Jenkins; GLM; OE; ARIMA; Sæsonmodeller; mv.)
  • Anvende og beregne korrelationsfunktioner
  • Anvende tidsdomæne og frekvensdomæne beskrivelser
  • Forudsigelser i tidsrækker
  • Formulerer tilstandsbeskrivelser
  • Forstå og implementere Kalman filteret
  • Anvende regressionsbaserede metoder for tidsrækker
  • Optimere forudsigelsesfunktioner og modelbaseret regulering
  • Dokumentere og præsentere resultater i en skriftlig rapport
  • Give konstruktiv feedback på andres arbejde
Kursusindhold
Autokorrelationsfunktion og spektrum for lineære stationære processer. Modelbygning, herunder identifikation, estimation og validitetskontrol. Forecasting modeller. Periodiske variationer og trends. Bivariante modeller og krydskorrelerede tidsrækker. Spektralanalyse. Introduktion til systemdynamik under stokastiske påvirkninger, overføringsfunktioner. Flerdimensionale tidsrækker og modelbygning for disse, herunder feed back. Tilstandsrepræsentation af dynamiske systemer, tilstandsprædiktion og opdatering, tidsrækker med manglende eller aggrerede observationer. Introduktion til on-line estimation af tidsrækkemodeller, og adaptive prognosemodeller. En række eksempler på reelle anvendelser vil blive anvendt til illustration af metoderne. Ligeledes vil nogle af afleveringsopgaverne blive rette mod de fagspecifikke områder, fx udvikling af medicin eller modellering af afløbssystemer.
Litteraturhenvisninger
Henrik Madsen (2007), Time Series Analysis, Chapman and Hall.
ISBN: 142005967X
Bemærkninger
Kurset udgør en god baggrund for en lang række DTU kurser inden for signalbehandling, modellering, forudsigelse, proceskontrol, dynamisk simulation, optimal beslutningstagen, automatisk regulering og system identifikation.
Sidst opdateret
02. maj, 2024