比较模型输出和测量输出

绘制模拟或预测模型输出与实测输出数据进行比较，并计算最佳拟合值。在命令行中，使用比较命令。你也可以使用sim卡而且预测模拟和预测模型响应。有关在应用程序中绘制模拟和预测输出的信息，请参见应用程序中的模拟和预测．

检查迭代搜索终止条件

在模型估计之后生成的估计报告列出了软件终止估计的原因。例如，假设报告表明估计达到了最大迭代次数。您可以通过为最大迭代次数指定更大的值来尝试重复估算。有关如何配置最大迭代数和其他估计选项的信息，请参见为非线性ARX模型指定估计选项．

要在应用程序中查看评估报告，在模型评估完成后，查看评估报告面积估计选项卡。在命令行中，使用M.Report.Termination显示估计终止条件，其中米为估计的非线性ARX模型。例如，检查M.Report.Termination.WhyStop字段，描述停止估计的原因。

有关评估报告的更多信息，请参见评估报告．

检查最终预测误差和损失函数值

您可以通过比较估计报告中显示的最终预测误差和损失函数值来比较几个估计模型的性能。

查看估计模型的这些值米在命令行中，使用M.Report.Fit.FPE(最终预测误差)和M.Report.Fit.LossFcn(估计终止时损失函数值)的性质。较小的值通常表示更好的性能。然而,M.Report.Fit.FPE当模型包含相对于估计数据大小的许多参数时，值可能是不可靠的。将这些指标与其他验证技术一起使用，可以得出可靠的结论。

执行残留分析

残差是模型输出与测量输出之间的差异。因此，残差代表了模型无法解释的输出部分。你可以使用白度检验和独立性检验等技术分析残差。有关这些测试的详细信息，请参见什么是残留分析?．

在命令行中，使用渣油计算、绘制和分析残差。要在应用程序中绘制残差，请参见如何在应用程序中绘制残差．

检查非线性ARX图

非线性ARX图显示所选模型输出的评估模型非线性作为一个或两个模型回归量的函数。对于一个模型米，模型非线性(M.Nonlinearity)为非线性估计函数，如idWaveletNetwork，idSigmoidNetwork,或idTreePartition，该模型使用模型回归量作为输入。

为了理解画的是什么，假设{r1, r2,…,rN}是N非线性ARX模型使用的回归量米与非线性问对应于模型输出。你可以使用getreg (M)看一下这些回归量。表达式Nonlin = evaluate(nl，[v1,v2，…，vN])返回这些回归器给定值的模型输出，即:r1=v1，r2=v2、……rN=vN．为了画出非线性，你选择一个或两个N例如，回归量，Rsub = {r1,r4}．该软件在指定范围内改变这些回归量的值，同时固定其余回归量的值，并生成的图Nonlinvs。rsub．默认情况下，软件将剩余固定回归量的值设置为它们的估计均值，但您可以更改这些值。回归均值存储在Nonlinearity.Parameters.RegressorMean模型的属性。

检查非线性ARX图可以帮助您深入了解哪些回归量对模型输出有最强的影响。理解输出中回归量的相对重要性可以帮助您决定在输出的非线性函数中包含哪些回归量。如果对于所有选择的回归值，图的形状看起来像一个平面，那么模型在这些回归值中可能是线性的。在这种情况下，您可以从非线性块中删除相应的回归量，并重复估计。

此外，您可以使用不同的非线性估计器为相同的数据创建多个非线性模型，例如idWaveletNetwork网络和idTreePartition，然后比较这些模型的非线性曲面。不同模型的图之间的一致性增加了这些非线性模型捕捉系统真实动态的信心。

情节(M)