选项设置为灰色- MATLAB greyestOptions - MathWorks Deutschland - 金宝app,下载188bet金宝搏,金宝搏官方网站

语法

opt = greyestOptions opt = greyestOptions(名称，值)

描述

选择= greyestOptions创建的默认选项集感动的．

选择= greyestOptions (名称,值）使用一个或多个指定的选项创建一个选项集名称,值对参数。

输入参数

全部折叠

名称-值参数

指定可选参数对为Name1 = Value1,…,以=家,在那里的名字参数名称和价值对应的值。名称-值参数必须出现在其他参数之后，但对的顺序无关紧要。

在R2021a之前，使用逗号分隔每个名称和值，并将其括起来的名字在报价。

`InitialState`- - - - - -初始状态的处理
`“汽车”`(默认)|`“模型”`|`“零”`|`“估计”`|`“展望”`

在估计过程中对初始状态的处理，指定为以下值之一:

“模型”—初始状态由节点使用的ODE文件参数化idgrey模型。ODE文件必须返回6个或更多输出参数。
“零”—初始状态设置为0。ODE文件返回的任何值都将被忽略。
“估计”—初始状态被视为一个独立的估计参数。
“展望”-初始状态估计使用最佳最小二乘拟合。
“汽车”-软件根据估计数据选择处理初始状态的方法。
Vector of doubles -指定长度的列向量Nx,在那里Nx是状态数。对于多实验数据，指定一个矩阵不列,不是实验的次数。在估计过程中，指定的值被视为固定值。

`DisturbanceModel`- - - - - -干扰分量的处理
`“汽车”`(默认)|`“模型”`|`“固定”`|`“没有”`|`“估计”`

干扰分量的处理(K)，指定为以下值之一:

“模型”- - - - - -K对象使用的ODE文件参数化idgrey模型。ODE文件必须返回5个或更多输出参数。
“固定”的值K的属性idgreyModel固定为其原始值。
“没有”- - - - - -K固定为零。ODE文件返回的任何值都将被忽略。
“估计”- - - - - -K作为一个独立的估计参数。
“汽车”-软件选择处理估计过程中如何处理扰动分量的方法。该软件使用“模型”方法，如果ODE文件返回5个或更多带有有限值的输出参数K．否则，软件使用“固定”方法。

请注意

噪声模型不能用频域数据估计。

`焦点`- - - - - -最小化误差
`“预测”`(默认)|`“模拟”`

估计期间损失函数中要最小化的误差，指定为逗号分隔的对，由“焦点”和以下值之一:

“预测”-在估计过程中，将测量输出与预测输出之间提前一步的预测误差最小化。因此，估计的重点是产生一个良好的预测模型。
“模拟”-在估计过程中，测量输出和模拟输出之间的模拟误差最小化。因此，估计的重点是在当前输入条件下对模型响应的模拟进行良好的拟合。

的焦点期权可以理解为损失函数中的加权滤波器。有关更多信息，请参见损失函数和模型质量度量．

`WeightingFilter`- - - - - -加权预滤器
`［］`(默认)|向量|矩阵|单元阵列|线性系统

加权预滤波器应用于估计过程中要最小化的损失函数。要了解的效果WeightingFilter关于损失函数，请参见损失函数和模型质量度量．

指定WeightingFilter作为下列值之一:

［］—不使用加权预过滤器。
通带—指定包含定义所需通带的频率值的行向量或矩阵。您可以选择一个频带，其中估计模型和估计数据之间的拟合是优化的。例如,(王,wh)在哪里王而且wh表示通带的下限和上限。对于有几行定义频率通带的矩阵，[w1l, w1h; w2l w2h; w3l, w3h;……)，估计算法使用频率范围的并集来定义估计通带。
通带用rad / TimeUnit对于时域数据，在FrequencyUnit对于频域数据，其中TimeUnit而且FrequencyUnit是估计数据的时间和频率单位。
SISO滤波器-指定一个单输入单输出(SISO)线性滤波器在以下方式之一:
- 一个SISO LTI模型
- {A, B, C, D}格式，它指定与估计数据具有相同采样时间的过滤器的状态空间矩阵。
- {分子,分母}格式，该格式将过滤器的分子和分母指定为与估计数据具有相同采样时间的传递函数。
  该选项将加权函数作为滤波器和输入频谱的乘积来计算，以估计传递函数。
加权向量-仅适用于频域数据。指定一个权值列向量。这个向量的长度必须与数据集的频率向量相同，数据。频率．数据中的每个输入和输出响应都乘以相应频率的权重。

`EnforceStability`- - - - - -控制是否加强模型的稳定性
`假`(默认)|`真正的`

控制是否强制估计模型的稳定性，指定为由逗号分隔的对组成“EnforceStability”,要么真正的或假．

数据类型:逻辑

`EstimateCovariance`- - - - - -控制是否生成参数协方差数据
`真正的`(默认)|`假`

控制是否生成参数协方差数据，指定为真正的或假．

如果EstimateCovariance是真正的，然后使用getcov从估计的模型中获取协方差矩阵。

`显示`- - - - - -指定是否显示估计进度
`“关闭”`(默认)|`“上”`

指定是否显示评估进度，指定为以下值之一:

“上”-有关模型结构和估计结果的信息显示在进度查看器窗口中。
“关闭”—无进度和结果信息。

`InputOffset`- - - - - -在估计过程中去除时域输入数据的偏移
`［］`(默认)|正整数向量|矩阵

在估计期间从时域输入数据中去除偏移量，指定为下列之一:

长度为正整数的列向量ν,在那里ν是输入的数量。
［］—不偏移。
ν——- - - - - -不矩阵-对于多个实验数据，请指定InputOffset作为一个ν——- - - - - -不矩阵。ν输入的数量和不是实验的次数。

由InputOffset从相应的输入数据中减去。

`OutputOffset`- - - - - -在估计过程中去除时域输出数据的偏移
`［］`(默认)|向量|矩阵

在估计期间从时域输出数据中去除偏移量，指定为下列之一:

长度的列向量纽约,在那里纽约是输出的数量。
［］—不偏移。
纽约——- - - - - -不矩阵-对于多个实验数据，请指定OutputOffset作为一个纽约——- - - - - -不矩阵。纽约输出的数量，和不是实验的次数。

由OutputOffset从相应的输出数据中减去。

`OutputWeight`- - - - - -多输出估计中预测误差的加权
`［］`(默认)|`“噪音”`|正半定对称矩阵

多输出估计中预测误差的权重，指定为以下值之一:

“噪音”——减少 $依据（ E ＇＊ E / N ）$ ,在那里E表示预测误差和N是数据样本的数量。这种选择在统计意义上是最优的，如果对噪声的方差一无所知，则会导致最大似然估计。它使用估计噪声方差的倒数作为加权函数。

请注意

OutputWeight一定不是“噪音”如果SearchMethod是“lsqnonlin”．
正半定对称矩阵(W) -最小化加权预测误差矩阵的迹跟踪(E”* E * W / N),地点:
- E预测误差矩阵，每个输出有一列，和W是大小等于输出数的正半定对称矩阵。使用W指定多输出模型中输出的相对重要性，或对应数据的可靠性。
- N是数据样本的数量。
［］—软件选择“噪音”用单位矩阵W．

此选项仅与多输出模型相关。

`正则化`- - - - - -模型参数正则化估计的选项
结构

正则化估计模型参数的选项，模型参数指定为带有下表字段的结构。有关正则化的更多信息，请参见模型参数的正则化估计．

字段名描述默认的

字段名	描述	默认的
`λ`	决定偏差与方差权衡的常数。指定一个正标量，将正则化项添加到估计代价中。默认值0表示没有正则化。	`0`
`R`	权重矩阵。指定一个非负数向量或一个方正半定矩阵。长度必须等于模型的自由参数的数量。对于黑匣子模型，建议使用默认值。对于结构化和灰盒模型，还可以指定向量`np`正数，这样每个条目都表示对相关参数值的置信度。默认值1表示值为`眼睛(npfree)`,在那里`npfree`是自由参数的个数。	`1`
`名义上的`	在估计过程中，自由参数被拉向的标称值。默认值为0意味着参数值趋于0。如果您正在细化一个模型，您可以将该值设置为`“模型”`将参数拉向初始模型的参数值。这个设置的初始参数值必须是有限的。	0

λ

决定偏差与方差权衡的常数。

指定一个正标量，将正则化项添加到估计代价中。

默认值0表示没有正则化。

0

R

权重矩阵。

指定一个非负数向量或一个方正半定矩阵。长度必须等于模型的自由参数的数量。

对于黑匣子模型，建议使用默认值。对于结构化和灰盒模型，还可以指定向量np正数，这样每个条目都表示对相关参数值的置信度。

默认值1表示值为眼睛(npfree),在那里npfree是自由参数的个数。

1

名义上的

在估计过程中，自由参数被拉向的标称值。

默认值为0意味着参数值趋于0。如果您正在细化一个模型，您可以将该值设置为“模型”将参数拉向初始模型的参数值。这个设置的初始参数值必须是有限的。

0

`SearchMethod`- - - - - -数值搜索法用于迭代参数估计
`“汽车”`(默认)|`“gn”`|`“玲娜”`|`“lm”`|`“研究生”`|`“lsqnonlin”`|`“fmincon”`

数值搜索方法用于迭代参数估计，指定为下表中的值之一。

`SearchMethod`	描述
`“汽车”`	自动方法选择直线搜索算法的组合，`“gn”`，`“lm”`，`“玲娜”`,`“研究生”`，在每次迭代中依次尝试。使用导致估计成本降低的第一个下降方向。
`“gn”`	子空间高斯-牛顿最小二乘搜索。雅可比矩阵的奇异值小于`GnPinvConstant * eps 马克斯(大小(J)) 规范(J)`在计算搜索方向时被丢弃。J是雅可比矩阵。黑森矩阵近似为J^TJ．如果这个方向没有改善，函数会尝试梯度方向。
`“玲娜”`	自适应子空间高斯-牛顿搜索。特征值小于`γ马克斯(sv)`黑森人都被忽略了sv包含黑森的奇异值。高斯-牛顿方向在剩余子空间中计算。γ具有初始值`InitialGnaTolerance`(见`先进的`在`“SearchOptions”`以获取更多信息)。此值将按因子增加`LMStep`每次搜索都不能在少于五次的等分中找到较低的标准值。此值将按因子减小`2 LMStep`每次搜索都是成功的，没有任何二分。
`“lm”`	Levenberg-Marquardt最小二乘搜索每个参数值为`-pinv (H + d 我)毕业生`从前面的值。H是黑森人我单位矩阵，和研究生是梯度。d是一个不断增加的数字，直到找到较低的标准值为止。
`“研究生”`	最速下降最小二乘搜索。
`“lsqnonlin”`	的信任区域反射算法`lsqnonlin`(优化工具箱)．需要优化工具箱™软件。
`“fmincon”`	约束非线性求解器。的顺序二次规划(SQP)和信任区域反射算法`fmincon`(优化工具箱)解算器。的“优化工具箱”软件，还可以使用内部点算法和活动集算法`fmincon`解算器。中指定算法`SearchOptions。算法`选择。的`fmincon`在以下情况下，算法可能会改善估计结果: 当模型参数有边界时的约束最小化问题。损失函数是参数的非线性或非光滑函数的模型结构。多输出模型估计。行列式损失函数对于多输出模型估计，默认情况下最小化。`fmincon`算法能够直接最小化这种损失函数。其他搜索方法如`“lm”`而且`“gn”`通过交替估计噪声方差和降低给定噪声方差值的损失值来最小化行列式损失函数。因此,`fmincon`算法可以为多输出模型估计提供更好的效率和准确性。

`SearchOptions`- - - - - -搜索算法的选项集
搜索选项集

的值指定为搜索选项集，其中的字段取决于的值SearchMethod．

SearchOptions结构时SearchMethod被指定为“gn”，“玲娜”，“lm”，“研究生”,或“汽车”

字段名描述默认的

宽容

损失函数的当前值与下一次迭代后的预期改进之间的最小百分比差异，指定为正标量。当预期改善的百分比小于宽容，迭代停止。在下一次迭代中对期望损失函数改进的估计是基于为当前参数值计算的高斯牛顿向量。

0.01

MaxIterations

损失函数最小化期间的最大迭代次数，指定为正整数。当迭代停止时MaxIterations达到或满足另一个停止标准，例如宽容．

设置MaxIterations = 0返回启动过程的结果。

使用sys.Report.Termination.Iterations要获得估算期间的实际迭代次数，其中sys是一个idtf模型。

20.

先进的

高级搜索设置，指定为具有以下字段的结构:

字段名	描述	默认的
`GnPinvConstant`	雅可比矩阵奇异值阈值，指定为正标量。雅可比矩阵的奇异值小于`GnPinvConstant 马克斯(大小(J) 规范(J) * eps)`在计算搜索方向时被丢弃。适用时`SearchMethod`是`“gn”`．	`10000`
`InitialGnaTolerance`	初始值γ，指定为正标量。适用时`SearchMethod`是`“玲娜”`．	`0.0001`
`LMStartValue`	搜索方向长度的起始值d在Levenberg-Marquardt方法中，指定为正标量。适用时`SearchMethod`是`“lm”`．	`0.001`
`LMStep`	Levenberg-Marquardt步长的大小，指定为正整数。搜索方向长度的下一个值d在Levenberg-Marquardt方法中是`LMStep`乘以前一个。适用时`SearchMethod`是`“lm”`．	`2`
`MaxBisections`	沿搜索方向进行直线搜索时使用的最大等分数，指定为正整数。	`25`
`MaxFunctionEvaluations`	对模型文件的最大调用次数，指定为正整数。如果对模型文件的调用数量超过这个值，迭代就会停止。	`正`
`MinParameterChange`	每次迭代允许的最小参数更新，指定为非负标量。	`0`
`RelativeImprovement`	相对改善阈值，指定为非负标量。如果准则函数的相对改进小于这个值，迭代就会停止。	`0`
`StepReduction`	步长缩减因子，指定为大于1的正标量。建议的参数更新因因子而减少`StepReduction`每次尝试之后。这种减少持续到`MaxBisections`完成尝试或获得准则函数的较低值。 `StepReduction`不适用于`SearchMethod`的`“lm”`(Levenberg-Marquardt方法)。	`2`

SearchOptions结构时SearchMethod被指定为“lsqnonlin”

字段名	描述	默认的
`FunctionTolerance`	软件最小化的损失函数上的终止容差，以确定估计的参数值，指定为正标量。的价值`FunctionTolerance`和的一样吗`opt.SearchOptions.Advanced.TolFun`．	`1 e-5`
`StepTolerance`	估计参数值上的终止公差，指定为正标量。的价值`StepTolerance`和的一样吗`opt.SearchOptions.Advanced.TolX`．	`1 e-6`
`MaxIterations`	损失函数最小化期间的最大迭代次数，指定为正整数。当迭代停止时`MaxIterations`达到或满足另一个停止标准，例如`FunctionTolerance`．的价值`MaxIterations`和的一样吗`opt.SearchOptions.Advanced.MaxIter`．	`20.`
`先进的`	高级搜索设置，指定为的选项集`lsqnonlin`．有关更多信息，请参见中的“优化选项”表优化选项(优化工具箱)．	使用`optimset(“lsqnonlin”)`创建一个默认选项集。

SearchOptions结构时SearchMethod被指定为“fmincon”

字段名	描述	默认的
`算法`	`fmincon`优化算法，指定为下列之一: `“sqp”`-顺序二次规划算法。该算法在所有迭代中都满足边界，并且可以从`南`或`正`结果。它不是一个大规模的算法。有关更多信息，请参见大规模和中等规模算法(优化工具箱)． `“trust-region-reflective”`——基于内反射牛顿法的子空间信赖域方法。这是一个大规模的算法。 `“内点”`-需要优化工具箱软件的大规模算法。该算法在所有迭代中都满足边界，并且可以从`南`或`正`结果。 `“激活集”`-需要优化工具箱软件。该算法可以执行大步骤，从而提高速度。它不是一个大规模的算法。有关算法的详细信息，请参见约束非线性优化算法(优化工具箱)而且算法选择(优化工具箱)．	`“sqp”`
`FunctionTolerance`	软件最小化的损失函数上的终止容差，以确定估计的参数值，指定为正标量。	`1 e-6`
`StepTolerance`	估计参数值上的终止公差，指定为正标量。	`1 e-6`
`MaxIterations`	损失函数最小化期间的最大迭代次数，指定为正整数。当迭代停止时`MaxIterations`达到或满足另一个停止标准，例如`FunctionTolerance`．	`One hundred.`

`先进的`- - - - - -其他高级选项
结构

其他高级选项，指定为具有以下字段的结构:

ErrorThreshold—何时将较大误差的权重由二次调整为线性。
误差大于ErrorThreshold乘以估计的标准差在损失函数中有一个线性权重。标准差稳健地估计为预测误差中位数的绝对偏差的中位数，除以0.7．有关健壮规范选择的更多信息，请参见第15.2节[２]．
ErrorThreshold = 0禁用鲁棒化，导致纯二次损失函数。在频域数据估计时，软件设置ErrorThreshold为零。对于包含异常值的时域数据，请尝试设置ErrorThreshold来1．6．
默认值:0
最大尺寸—输入输出数据分段时，每个分段的最大元素数。
最大尺寸必须是正整数。
默认值:250000
StabilityThreshold—稳定性测试的阈值。
StabilityThreshold是一个具有以下字段的结构:
- 年代-指定最右极点的位置，用于测试连续时间模型的稳定性。当一个模型的最右极在的左边时，它被认为是稳定的年代．
  默认值:0
- z-所有极点到原点的最大距离，用于测试离散时间模型的稳定性。如果所有极点都在距离内，则认为模型是稳定的z从原点开始。
  默认值:1 +√(eps)
AutoInitThreshold—自动估计初始状态的时间。
初始状态是在何时估计的

$\frac{‖ y_{p ， z} - y_{米 e 一个年代} ‖}{‖ y_{p ， e} - y_{米 e 一个年代} ‖} > AutoInitThreshold$
- y_量是测量的输出。
- y_{p, z}是使用零初始状态估计的模型的预测输出。
- y_{p, e}是使用估计初始状态估计的模型的预测输出。
适用时InitialState是“汽车”．
默认值:1.05

输出参数

全部折叠

`选择`-选项设置为`感动的`
`greyestOptions`选项设置

选项集感动的，作为greyestOptions选项设置。

参考文献

[1]威尔斯，艾德里安，B.宁尼斯和S.吉布森。多变量系统估计的基于梯度的搜索第16届国际会计师联合会世界大会论文集，布拉格，捷克共和国，2005年7月3-8日。牛津，英国:爱思唯尔有限公司，2005。

[2] Ljung, L。系统识别:用户的理论．上马鞍河，新泽西州:Prentice-Hall PTR, 1999。

版本历史

在R2012a中引入

全部展开

R2018a:重命名评估和分析选项

R2018a修改了部分估计和分析选项的名称。以前的名字仍然有效。具体操作请参见R2018a发布说明重命名估计和分析选项．

另请参阅

感动的|idgrey|idnlgrey|pem|党卫军

主题

损失函数和模型质量度量

greyestOptions

语法

描述

输入参数

名称-值参数

`InitialState`- - - - - -初始状态的处理
`“汽车”`(默认)|`“模型”`|`“零”`|`“估计”`|`“展望”`

`DisturbanceModel`- - - - - -干扰分量的处理
`“汽车”`(默认)|`“模型”`|`“固定”`|`“没有”`|`“估计”`

`焦点`- - - - - -最小化误差
`“预测”`(默认)|`“模拟”`

`WeightingFilter`- - - - - -加权预滤器
`［］`(默认)|向量|矩阵|单元阵列|线性系统

`EnforceStability`- - - - - -控制是否加强模型的稳定性
`假`(默认)|`真正的`

`EstimateCovariance`- - - - - -控制是否生成参数协方差数据
`真正的`(默认)|`假`

`显示`- - - - - -指定是否显示估计进度
`“关闭”`(默认)|`“上”`

`InputOffset`- - - - - -在估计过程中去除时域输入数据的偏移
`［］`(默认)|正整数向量|矩阵

`OutputOffset`- - - - - -在估计过程中去除时域输出数据的偏移
`［］`(默认)|向量|矩阵

`OutputWeight`- - - - - -多输出估计中预测误差的加权
`［］`(默认)|`“噪音”`|正半定对称矩阵

`正则化`- - - - - -模型参数正则化估计的选项
结构

`SearchMethod`- - - - - -数值搜索法用于迭代参数估计
`“汽车”`(默认)|`“gn”`|`“玲娜”`|`“lm”`|`“研究生”`|`“lsqnonlin”`|`“fmincon”`

`SearchOptions`- - - - - -搜索算法的选项集
搜索选项集

`先进的`- - - - - -其他高级选项
结构

输出参数

`选择`-选项设置为`感动的`
`greyestOptions`选项设置

例子

为线性灰盒估计创建默认选项集

指定线性灰盒估计的选项

参考文献

版本历史

R2018a:重命名评估和分析选项

另请参阅

主题

greyestOptions

语法

描述

输入参数

名称-值参数

InitialState- - - - - -初始状态的处理“汽车”(默认)|“模型”|“零”|“估计”|“展望”

DisturbanceModel- - - - - -干扰分量的处理“汽车”(默认)|“模型”|“固定”|“没有”|“估计”

焦点- - - - - -最小化误差“预测”(默认)|“模拟”

WeightingFilter- - - - - -加权预滤器［］(默认)|向量|矩阵|单元阵列|线性系统

EnforceStability- - - - - -控制是否加强模型的稳定性假(默认)|真正的

EstimateCovariance- - - - - -控制是否生成参数协方差数据真正的(默认)|假

显示- - - - - -指定是否显示估计进度“关闭”(默认)|“上”

InputOffset- - - - - -在估计过程中去除时域输入数据的偏移［］(默认)|正整数向量|矩阵

OutputOffset- - - - - -在估计过程中去除时域输出数据的偏移［］(默认)|向量|矩阵

OutputWeight- - - - - -多输出估计中预测误差的加权［］(默认)|“噪音”|正半定对称矩阵

正则化- - - - - -模型参数正则化估计的选项结构

SearchMethod- - - - - -数值搜索法用于迭代参数估计“汽车”(默认)|“gn”|“玲娜”|“lm”|“研究生”|“lsqnonlin”|“fmincon”

SearchOptions- - - - - -搜索算法的选项集搜索选项集

先进的- - - - - -其他高级选项结构

输出参数

选择-选项设置为感动的greyestOptions选项设置

例子

为线性灰盒估计创建默认选项集

指定线性灰盒估计的选项

参考文献

版本历史

R2018a:重命名评估和分析选项

另请参阅

主题

`InitialState`- - - - - -初始状态的处理
`“汽车”`(默认)|`“模型”`|`“零”`|`“估计”`|`“展望”`

`DisturbanceModel`- - - - - -干扰分量的处理
`“汽车”`(默认)|`“模型”`|`“固定”`|`“没有”`|`“估计”`

`焦点`- - - - - -最小化误差
`“预测”`(默认)|`“模拟”`

`WeightingFilter`- - - - - -加权预滤器
`［］`(默认)|向量|矩阵|单元阵列|线性系统

`EnforceStability`- - - - - -控制是否加强模型的稳定性
`假`(默认)|`真正的`

`EstimateCovariance`- - - - - -控制是否生成参数协方差数据
`真正的`(默认)|`假`

`显示`- - - - - -指定是否显示估计进度
`“关闭”`(默认)|`“上”`

`InputOffset`- - - - - -在估计过程中去除时域输入数据的偏移
`［］`(默认)|正整数向量|矩阵

`OutputOffset`- - - - - -在估计过程中去除时域输出数据的偏移
`［］`(默认)|向量|矩阵

`OutputWeight`- - - - - -多输出估计中预测误差的加权
`［］`(默认)|`“噪音”`|正半定对称矩阵

`正则化`- - - - - -模型参数正则化估计的选项
结构

`SearchMethod`- - - - - -数值搜索法用于迭代参数估计
`“汽车”`(默认)|`“gn”`|`“玲娜”`|`“lm”`|`“研究生”`|`“lsqnonlin”`|`“fmincon”`

`SearchOptions`- - - - - -搜索算法的选项集
搜索选项集

`先进的`- - - - - -其他高级选项
结构

`选择`-选项设置为`感动的`
`greyestOptions`选项设置