使用ARIMA非季节性状态模型实现卡尔曼滤波器

Question

我需要编写一个应用程序来计算时间序列信号上的一些缺失值。我在R中使用ImputeTS包做了类似的事情，但现在我需要在Java中执行。

我刚搜索了互联网，发现Apache Kalman过滤器是Java中卡尔曼过滤器的现有实现。但似乎他们没有在过滤器内部使用ARIMA内部模型。例如，Apache common中存在转换和测量矩阵，但我如何更改它们，以便具有（p，q，d）参数的ARIMA非季节性模型可用作卡尔曼滤波器的内部状态模型？

我不希望有人写下所有代码，但也许有人可以解释如何继续上述代码？

Answer 1

这里的imputeTS包的维护者......遗憾的是我不知道如何用Java做这个，但也许我的解释可以帮助你。

1. 卡尔曼滤波器在状态空间模型上运行
2. 每个ARIMA模型都可以用状态空间形式表示

因此，imputeTS包的作用是：它采用ARIMA模型的状态空间形式，并对其进行卡尔曼平滑/过滤。

这意味着，您需要获得ARIMA模型的状态空间形式（在R中这很容易......不了解java）。这应符合卡尔曼滤波器所需的输入。

如果您能够将其拉下来，请告诉我，我也会对整体解决方案感兴趣。