如何从数据生成状态 space 模型？

Question

我正在尝试使用 statsmodels 库从 Python 中的离散时间序列数据中识别状态 space 模型：statsmodel.tsa.statespace.sarimax.SARIMAX.

我需要状态矩阵 space 一般形式 (here the statsmodel reference)：在 statsmodel 页面上解释了这些矩阵，但不清楚如何推断它们。

例如，如果我想对已识别的模型应用卡尔曼滤波器（通过 sarimax），我需要这张图片中描述的矩阵 state space matrices needed

是否可以得到statsmodel的矩阵系数？

Answer 1

所有状态 space 系统矩阵都保存在拟合模型的 filter_results 属性中。矩阵的名称在您的答案中包含的链接中给出（例如“设计”等）

例如：

model = SARIMAX(Y_tr, exog = X_tr, order = (p,d,q), enforce_invertibility = False)
best_model = model.fit()

print(best_model.filter_results.design)
print(best_model.filter_results.obs_cov)
# ...

如何从数据生成状态 space 模型？

How to generate a state space model from data?

python

statsmodels

state-space

sarimax