[論文レビュー] A simple modification for improving inference of non-linear dynamical systems

Wan Yang, Jeffrey Shaman|arXiv (Cornell University)|Mar 26, 2014

Meteorological Phenomena and Simulations参考文献 7被引用数 13

ひとこと要約

本稿では、非線形力学系におけるパーティクルフィルターやアンサンブルフィルターの性能を向上させるために、各フィルタリングサイクルにおいて、一部の軌道のモデル変数またはパラメータをランダムに置き換える単純な修正である「スペースリプローブ」を導入する。この手法により、状態空間のカバレッジが向上し、計算コストを削減しつつインフルエンザ流行の推定と予測がより正確に行えるようになる。

ABSTRACT

Particle and ensemble filters are increasingly utilized for inference, optimization, and forecast; however, both filtering methods use discrete distributions to simulate continuous state space, a drawback that can lead to degraded performance for non-linear dynamical systems. Here we propose a simple modification, applicable to both particle and ensemble filters, that compensates for this problem. The method randomly replaces one or more model variables or parameters within a fraction of simulated trajectories at each filtering cycle. This modification, termed space re-probing, expands the state space covered by the filter through the introduction of outlying trajectories. We apply the space re-probing modification to three particle filters and three ensemble filters, and use these modified filters to model and forecast influenza epidemics. For both filter types, the space re-probing improves simulation of influenza epidemic curves and the prediction of influenza outbreak peak timing. Further, as fewer particles are needed for the particle filters, the proposed modification reduces the computational cost of these filters.

研究の動機と目的

• パーティクルフィルターおよびアンサンブルフィルターにおける離散的分布の制限を解消し、非線形力学系における性能劣化を是正すること。
• インフルエンザ流行のような複雑な非線形系における推論および予測の精度を向上させること。
• パーティクルフィルターにおける有効な推論を、少ない粒子数で実現可能とするために、計算コストを低減すること。
• パーティクルフィルターおよびアンサンブルフィルターの両フレームワークに適用可能な汎用的修正手法を開発すること。

提案手法

• スペースリプローブを導入：各フィルタリングサイクルにおいて、一部のシミュレートされた軌道の1つ以上のモデル変数またはパラメータをランダムに置き換える。
• 制御された摂動によって外れ値的な軌道を導入することで、状態空間のカバレッジを拡大する。
• 既存のフィルタリングアーキテクチャとの互換性を保ちつつ、パーティクルフィルターおよびアンサンブルフィルターの両方へ適用する。
• インフルエンザ流行曲線のシミュレーションおよび予測に、修正されたフィルターを適用し、ピーク時期と流行ダイナミクスに注目する。
• 実世界のインフルエンザデータを用いて性能を評価し、標準的なフィルタリング手法と比較する。
• 精度と計算効率のバランスを取るために、リプローブ対象となる軌道の割合を最適化する。

実験結果

リサーチクエスチョン

• RQ1 スペースリプローブは、非線形力学系における状態推定の精度を向上させることができるか？
• RQ2 この修正は、インフルエンザモデルにおける流行ピーク時期の予測を向上させるか？
• RQ3 スペースリプローブは、有効なフィルタリングを実現するために必要な粒子数をどの程度削減できるか？
• RQ4 この手法は、さまざまなパーティクルおよびアンサンブルフィルターのバリエーションにおいてどのように機能するか？
• RQ5 精度を向上させる一方で、計算効率は維持または向上させるのか？

主な発見

• スペースリプローブは、標準的なパーティクルフィルターやアンサンブルフィルターと比較して、インフルエンザ流行曲線のシミュレーションを著しく改善する。
• 修正されたフィルターは、インフルエンザ流行のピーク時期をより正確に予測し、時期の誤差を低減する。
• スペースリプローブを用いたパーティクルフィルターは、同等またはより良い性能を達成するために、少ない粒子数で有効な推論が可能となり、計算コストが削減される。
• この改善効果は、複数のパーティクルおよびアンサンブルフィルターのタイプにわたり一貫しており、広範な適用可能性が示された。
• モデルの複雑さを増さずに、多様で外れ値的な軌道を導入することで、状態空間のカバレッジが効果的に拡張された。
• この修正は計算コストが低く、既存のフィルタリングフレームワークへの統合が容易である。