主要内容

什么是残留分析?

残差来自模型的一步预测输出与来自验证数据集的测量输出之间的差异。因此，残差表示模型无法解释的那部分验证数据。

残差分析包括两个检验:白度检验和独立性检验。

根据白度测试根据准则，一个好的模型在相应估计的置信区间内具有残差自相关函数，表明残差不相关。

根据独立测试一个好的模型具有与过去输入不相关的残差。相关性的证据表明，该模型没有描述部分输出与相应输入之间的关系。例如，滞后置信区间外的峰值k意味着输出y (t)它来源于输入u (tk)模型没有正确地描述。

您的模型应该通过白度和独立性测试，以下情况除外:

  • 对于输出误差(OE)模型和使用工具变量(IV)方法时，请确保您的模型显示出独立性e而且u，而不太注意结果的白度e．

    在这种情况下，建模的重点是动力学G而不是扰动性质H．

  • 残差和负滞后输入之间的相关性并不一定表明模型不准确。

    当期剩余t影响将来的输入值，系统中可能会有反馈。在反馈的情况下，在模型验证期间，集中在互相关图中的正滞后。

金宝app支持的模型类型

您可以通过检查模型残差的行为来验证参数线性和非线性模型。有关残留分析的说明，请参见残差图显示不同的数据域．

请注意

频率响应(FRD)模型没有残差分析图。对于时间序列模型，您只能使用时域时间序列(无输入)测量数据为参数模型生成模型输出图。

残差图显示不同的数据域

残差分析图显示不同的信息，这取决于您是使用时域还是频域输入-输出验证数据。

对于时域验证数据，该图显示了以下两个轴:

  • 每个输出残差的自相关函数

  • 每个输入-输出对的输入和残差之间的互相关

    请注意

    对于时间序列模型，残差分析图不提供任何输入残差相关图。

对于频域验证数据，该图显示了以下两个轴:

  • 每个输出残差的估计功率谱

  • 每个输入-输出对从输入到残差的传递函数振幅

对于线性模型，可以使用时域数据估计模型，然后使用频域数据验证模型。对于非线性模型，系统识别工具箱™产品仅支持时域数据。金宝app

下图显示了在系统识别应用程序中创建的样本残留分析图。

显示置信区间

的置信区间对应于残差值的范围，具有对系统统计上不显著的特定概率。该工具箱使用模型参数中估计的不确定性来计算置信区间，并假设估计具有高斯分布。

例如，对于95%置信区间，零附近的区域表示残差值的范围，残差值有95%的概率在统计上不显著。您可以将置信区间指定为概率(在0和1之间)或高斯分布的标准差数。例如，0.99(99%)的概率对应2.58个标准差。

您可以在应用程序中的图上显示置信区间，以深入了解模型的质量。要了解如何显示或隐藏置信区间，请参阅中对情节设置的描述如何在应用程序中绘制残差．

请注意

如果你在系统识别应用程序中工作，你可以指定一个自定义置信区间。如果您正在使用渣油命令时，置信区间固定为99%。

相关的话题