[논문 리뷰] Estimating Speed and Damping in the Stochastic Wave Equation

W. Liu, Sergey V. Lototsky|ArXiv.org|2008. 10. 01.

Stochastic processes and financial applications참고 문헌 8인용 수 4

한 줄 요약

이 논문은 시간과 공간에 걸쳐 가우시안 화이트 노이즈에 의해 구동되는 1차원 스토케스틱 웨이브 방정식에서 파동 속도 $\theta_1 > 0$와 감쇠 계수 $\theta_2 \in \mathbb{R}$를 동시에 추정하기 위한 스펙트럼 유형 최대우도 추정기(mle)를 제안한다. 고정된 시간 $T$ 동안 해의 첫 $N$개 공간 푸리에 계수를 사용하여, 추정기는 강한 일致성과 점근적 정규성을 보이며, $\theta_1$의 수렴 속도는 $N^{3/2}$이고 $\theta_2$의 수렴 속도는 $N^{1/2}$이며, 관측 시간과 노이즈 강도가 고정된 조건에서 성립한다.

ABSTRACT

A parameter estimation problem is considered for a one-dimensional stochastic wave equation driven by additive space-time Gaussian white noise. The estimator is of spectral type and utilizes a finite number of the spatial Fourier coefficients of the solution. The asymptotic properties of the estimator are studied as the number of the Fourier coefficients increases, while the observation time and the noise intensity are fixed.

연구 동기 및 목표

• 스토케스틱 쌍곡형 방정식의 매개변수 추정 문제를 다루며, 이전의 타원형 방정식 연구를 확장한다.
• 노이즈가 있는 푸리에 계수 관측치로부터 파동 속도 $\theta_1$와 감쇠 $\theta_2$의 두 미지 매개변수를 동시에 추정한다.
• 관측 시간 $T$와 노이즈 강도가 고정된 조건에서, 푸리에 모드 수 $N \to \infty$일 때 최대우도 추정기의 점근적 성질을 확립한다.
• 추정기의 공동 점근적 분포를 유도하고, 수렴 속도를 규명한다.

제안 방법

• 해 $u(t,x)$는 $\sin(kx)$ 기저 함수를 사용하여 푸리에 급수로 전개하여 계수 $u_k(t)$를 도출한다.
• 첫 $N$개의 푸리에 계수 $u_k(t)$의 공동 분포에 최대우도 원리를 적용하여 추정기를 구성한다.
• 핵심 통계량 $J_{1,N}, J_{2,N}, J_{12,N}$은 시간 구간 $[0,T]$에 걸쳐 푸리에 계수와 그 시간 적분의 이차형식으로 정의된다.
• 정규화된 $u_k$ 및 $v_k$ 과정의 합에 대해 강한 대수법칙과 중심극한정리를 적용하여 점근적 행동을 분석한다.
• 정규화된 추정기 $N^{3/2}(\hat{\theta}_{1,N} - \theta_1)$ 및 $N^{1/2}(\hat{\theta}_{2,N} - \theta_2)$의 분포를 분석하여 극한 분포를 도출한다.
• 정규화 상수는 감쇠 매개변수와 관측 시간의 함수인 $C(\theta_2, T)$에 의존하며, 이는 해의 두 번째 모멘트의 장기적 행동에서 유도된다.

실험 결과

연구 질문

• RQ1 스토케스틱 웨이브 방정식에서 파동 속도 $\theta_1$와 감쇠 계수 $\theta_2$에 대한 최대우도 추정기의 점근적 행동은 어떻게 되는가?
• RQ2 추정기의 수렴 속도는 푸리에 모드 수 $N$에 따라 어떻게 달라지는가?
• RQ3 모든 $N \to \infty$일 때 연합 추정기의 극한 분포는 무엇인가?
• RQ4 가우시안 공간-시간 화이트 노이즈의 존재는 추정 효율성과 일치성에 어떤 영향을 미치는가?
• RQ5 푸리에 계수에 기반한 스펙트럼 방법은 스토케스틱 쌍곡형 PDE에서 다수의 매개변수를 동시에 추정하는 데 성공할 수 있는가?

주요 결과

• 최대우도 추정기 $\hat{\theta}_{1,N}$과 $\hat{\theta}_{2,N}$는 강한 일치성을 보이며, $N \to \infty$일 때 거의 확실히 $\hat{\theta}_{1,N} \to \theta_1$ 및 $\hat{\theta}_{2,N} \to \theta_2$로 수렴한다.
• 정규화된 추정기 $N^{3/2}(\hat{\theta}_{1,N} - \theta_1)$은 평균이 0이고 분산이 $\frac{3\theta_1}{C(\theta_2, T)}$인 정규 랜덤 변수로 수렴한다.
• 정규화된 추정기 $N^{1/2}(\hat{\theta}_{2,N} - \theta_2)$는 평균이 0이고 분산이 $\frac{1}{C(\theta_2, T)}$인 정규 랜덤 변수로 수렴한다.
• $C(\theta_2, T)$는 $\theta_2 \neq 0$일 경우 $\frac{e^{\theta_2 T} - \theta_2 T - 1}{2\theta_2^2}$로 정의되며, $\theta_2 = 0$일 경우 $\frac{T^2}{4}$로 정의되며, 추정기의 점근적 분산을 결정한다.
• 수렴 속도는 매개변수에 따라 다름: $\theta_1$의 경우 $N^{3/2}$, $\theta_2$의 경우 $N^{1/2}$로, 이 정규화 조건 하에서 $\theta_1$가 더 정밀하게 추정됨을 시사한다.
• 고정된 관측 시간 $T$와 고정된 노이즈 강도 조건 하에서 점근적 정규성과 일치성이 확립되며, 이는 푸리에 모드 수 $N$이 무한히 증가함에 따라 성립한다.