[論文レビュー] An Ensemble Kushner-Stratonovich (EnKS) Nonlinear Filter: Additive Particle Updates in Non-Iterative and Iterative Forms

Saikat Sarkar, Debasish Roy|arXiv (Cornell University)|Feb 6, 2014

Meteorological Phenomena and Simulations参考文献 32被引用数 6

ひとこと要約

本稿では、粒子の貧困化を軽減するため、従来の粒子重み更新の代わりに加法的粒子更新を採用する、新しいアンサンブル非線形フィルタ、Ensemble Kushner-Stratonovich (EnKS) を提案する。Kushner-Stratonovich方程式におけるインノベーション積分の操作を用いて、非反復的および反復的両形式を導入し、非線形で高次元のシステムの同定において、既存のフィルターより優れた性能を示す。特に非反復的形態で顕著な優位性を示す。

ABSTRACT

Despite the cheap availability of computing resources enabling faster Monte Carlo simulations, the potential benefits of particle filtering in revealing accurate statistical information on the imprecisely known model parameters or modeling errors of dynamical systems, based on limited time series data, have not been quite realized. A major numerical bottleneck precipitating this under-performance, especially for higher dimensional systems, is the progressive particle impoverishment owing to weight collapse and the aim of the current work is to address this problem by replacing weight-based updates through additive ones. Thus, in the context of nonlinear filtering problems, a novel additive particle update scheme, in its non-iterative and iterative forms, is proposed based on manipulations of the innovation integral in the governing Kushner-Stratonovich equation. Numerical evidence for the identification of nonlinear and large dimensional dynamical systems indicates a substantively superior performance of the non- iterative version of the EnKS vis-à-vis most existing filters. The costlier iterative version, though conceptually elegant, mostly appears to effect a marginal improvement in the reconstruction accuracy over its non-iterative counterpart. Prominent in the reported numerical comparisons are variants of the Ensemble Kalman Filter (EnKF) that also use additive updates, albeit with many inherent limitations of a Kalman filter.

研究の動機と目的

• 非線形動的システムにおける粒子フィルタリングにおける粒子の貧困化と重みの崩壊を解決すること。
• リサンプリングや重みに基づく更新に依存しないより強固なフィルタリングフレームワークの開発。
• Kushner-Stratonovich方程式に基づく、新たな加法的更新スキームの提案により、推定精度の向上を図ること。
• 非反復的および反復的EnKS形式の高次元非線形システムにおける性能評価。
• EnKFなど既存のフィルタと比較し、再構成精度と計算コストの観点からベンチマークを実施すること。

提案手法

• 粒子重み更新の代わりに加法的粒子更新を用いる、非反復的および反復的両形式のアンサンブル・カシュニャク＝ストラトニョーヴィチ（EnKS）フィルタを提案する。
• Kushner-Stratonovich方程式におけるインノベーション積分の操作により、加法的更新スキームを導出する。
• リサンプリングや粒子重みに依存せずに、事後分布をアンサンブル近似で表現する。
• 限られた時系列データと高次元状態空間を伴う非線形フィルタリング問題に本手法を適用する。
• 数値積分とアンサンブル統計を用いて、非反復的および反復的アプローチで状態推定値と誤差共分散を計算する。
• 反復的リサンプリングを回避し、積分に基づく補正による直接的状態更新に注力することで、計算効率を維持する。

実験結果

リサーチクエスチョン

• RQ1 加法的粒子更新は、非線形フィルタリングにおける粒子の貧困化と重みの崩壊を効果的に緩和できるか？
• RQ2 非反復的EnKSは、高次元非線形システムにおいて、EnKFなどの既存フィルタと比較してどのように性能を発揮するか？
• RQ3 推定精度の観点から、反復的EnKS形式は非反復的バージョンに対してどれほど有益な追加効果をもたらすか？
• RQ4 限られた時系列データからのモデルパラメータおよび誤差の統計的推論において、本手法はどの程度改善をもたらすか？
• RQ5 特に高次元設定において、リサンプリングや重み再重み付けを一切行わずに、EnKSフィルタは精度を維持できるか？

主な発見

• 非反復的EnKSは、非線形で高次元の力学的システムを同定するうえで、大多数の既存フィルターより顕著に優れた性能を示す。
• 反復的EnKSは、計算コストが高いために非反復的バージョンと比較して再構成精度の向上がわずかにしか得られていない。
• 提案された加法的更新スキームは、標準的な粒子フィルタで一般的に見られる重みの崩壊の問題を効果的に軽減する。
• 数値結果から、EnKSは限られた時系列データを用いても、モデルパラメータと誤差の統計的推定をより良好に実現していることが示された。
• 従来の粒子フィルターやEnKFの変種が重みの退化により失敗する高次元システムにおいても、本手法は高いロバスト性を示した。
• EnKFの限界を回避しつつ計算効率を維持する観点から、EnKSフレームワークはEnKFの代替として実用的である。