优化线性和非线性模型的预测误差最小化
PEM使用数值优化来最小化成本函数,预测误差的加权范数,对于标量输出定义如下:
在哪里E(t)为模型的实测输出与预测输出之间的差值。对于线性模型,误差定义为:
在哪里E(t)是向量和代价函数吗 为标量值。下标N表示代价函数是数据样本数量的函数,值越大,代价函数的准确性越高N.对于多输出模型,前面的方程更为复杂。有关更多信息,请参阅系统识别:用户的理论,第二版,Lennart Ljung, Prentice Hall PTR, 1999。
你可以达到和pem
通过对各种模型结构使用专用的估计命令。例如,使用init_sys ss(数据)
用于估计状态空间模型。