预测
鉴定预测模型输出
句法
描述
例子
预测未来值正弦信号
预测使用AR模型的正弦信号的值。
生成和绘图数据。
数据= IDDATA（SIN（0.1 * [1：100]）”，[]）;图（数据）
适合的AR模型正弦波。
SYS = AR（数据，2）;
在给定的时间范围内预测未来的值。
K = 100;P =预测（SYS，数据，K）;
ķ指定预测时间范围为100个样本。p是预测的模型响应。
画出预测数据。
图（数据，'B'，P，'R'），图例（“测量”，“预测”）
另外，使用语法绘制预测输出预测(sys、数据、K)。
时间序列模型的预测响应
获得过去的数据，并确定一个时间序列模型。
加载iddata9Z9past_data = z9.OutputData（1:50）;模型= AR（z9,4）;
Z9是一个iddata仅包含测量输出的对象。
模型是一个idpoly时间序列模型。
指定预测初始条件。
选择= forecastOptions（“InitialCondition”，'E');
绘制给定时间范围内的预测系统响应。
K = 100;预测(模型、past_data K,选择);传说（“测量后”，“预测”）
剧情预测输出与指定的线路类型
获得过去的数据，并确定一个时间序列模型。
加载iddata9Z9past_data = z9.OutputData（1:50）;模型= AR（z9,4）;
Z9是一个iddata仅包含测量输出的对象。
将给定时间范围内的预测系统响应绘制为一条红色虚线。
K = 100;预测（模型，'R--'，past_data，K）;
该地块也默认设置为显示过去的数据。要更改显示选项，右键单击阴谋访问上下文菜单。例如，以查看预测输出的估计的标准偏差，选择ConfidenceRegion从上下文菜单中。要指定标准偏差积数，双击该地块，并打开属性编辑器对话框。在该对话框中，在选项中，指定标准差的个数置信区域已确定模型。默认值是1标准偏差。
预测模型响应为已知的未来输入
获得过去的数据，未来的输入和识别的线性模型。
加载iddata1Z1Z1 = IDDATA（cumsum（z1.y），cumsum（z1.u），z1.Ts，“InterSample”，'FOH');past_data = Z1（1：100）;future_inputs = z1.u（101：结束）;SYS = polyest（Z1，[2 2 2 0 0 1]，'IntegrateNoise'，真正）;
Z1是一个iddata对象，其中包含集成的数据。SYS是一个idpoly模型。past_data包含的第一100个数据点Z1。
future_inputs包含最后200个数据点Z1。
预测系统响应到未来对于一个给定的时间跨度和未来的投入。
K = 200;[YF，X0，sysf，yf_sd，X，x_sd] =预测（SYS，past_data，K，future_inputs）;
YF是预测模型响应，并yf_sd是输出的标准偏差。X0是所估计值的初始状态，和sysf是预测状态空间模型。也恢复是状态轨迹，X和轨迹的标准偏差，x_sd。
绘制预测响应。
UPPERBOUND = IDDATA（yf.OutputData + 3 * yf_sd，[]，yf.Ts，“T开始”,yf.Tstart);下界= IDDATA（yf.OutputData-3 * yf_sd，[]，yf.Ts，“T开始”,yf.Tstart);情节(past_data (:,: []), yf (:,: []), UpperBound,'K--'，下界，'K--')({传奇“测量后”，“预测”，'3 SD不确定性'}，'位置'，'最好'）
绘制状态轨迹。
t = z1.SamplingInstants(101:结束);次要情节(1,1)情节(t) x (: 1), t, x (: 1) + 3 * x_sd (: 1),'K--'，T，X（：，1）-3 * x_sd（：，1），'K--'）标题（'X_1'）副区（3,1,2）情节（T，X（：，2），T，X（：，2）+ 3 * x_sd（：，2），'K--'，T，X（：，2）-3 * x_sd（：，2），'K--'）标题（'X_2'）副区（3,1,3）情节（T，X（：，3），T，X（：，3）+ 3 * x_sd（：，3），'K--'，T，X（：，3）-3 * x_sd（：，3），'K--'）标题（'X_3'）
响应的不确定性不长了，因为未来的输入规格的预测时间跨度。
多输出非线性时间序列模型的预测响应
加载数据。
负载(fullfile (matlabroot'工具箱'，'IDENT'，'iddemos'，'数据'，'predprey2data'））;Z = IDDATA（Y，[]，0.1）;集（Z，“T开始”，0，'OutputUnit'{“人口（千）”，...“人口（千）”}，“TimeUnit”，'年份');
ž是从1捕食1 - 食饵人口的两所输出的时间序列数据组（无输入）。人口呈现出由于拥挤在捕食者的下降。该数据集包含占地20多年的演变201个的数据样本。
在捕食（这些变化Y1）和猎物（Y2）群体可以被表示为：
在捕食者和猎物种群的非线性可以使用自定义回归系数非线性ARX模型是合适的。
该数据作为过去数据的使用部分。
past_data = Z（1：100）;
指定标准回归量。
NA = [1 0;0 1];NB = [];NK = [];
指定自定义回归量。
C = {{'Y1（T-1）* Y2（T-1）'}; {'Y1（T-1）* Y2（T-1）'，'Y2（T-1）^ 2'}};
使用估计非线性ARX模型past_data作为估计数据。
SYS = nlarx（past_data，[NA NB NK]“wavenet”，'CustomRegressors'，C）;
比较的模拟输出SYS用测得的数据，以确保它是一个良好的配合。
比较（past_data，SYS）;
绘制预测输出SYS。
预测（SYS，past_data，101）;传说（“测量后”，“预测”);
重现预测结果由模拟
获取过去的数据，未来的输入，并确定线性模型。
加载iddata3Z3past_data = Z3（1：100）;future_inputs = z3.u（101：结束）;SYS = polyest（Z3，[2 2 2 0 0 1]）;
预测系统响应到未来对于一个给定的时间跨度和未来的投入。
K =尺寸（future_inputs，1）;[YF，X0，sysf] =预测（SYS，past_data，K，future_inputs）;
YF是预测模型响应，X0是所估计值的初始状态，和sysf是预测状态空间模型。
与输入模拟预测状态空间模型，future_inputs以及初始条件，X0。
选择= simOptions;opt.InitialCondition = X0;YS = SIM（sysf，future_inputs（1：K），选择）;
绘制预测和模拟输出。
T = yf.SamplingInstants;图（T，yf.OutputData，'B'、t、y'.R');传说（“预测输出”，“模拟输出”）
预测模型模拟，sysf，具有输入，future_inputs以及初始条件，X0，产生预测的输出，YF。
输入参数
输出参数
提示
右键单击该绘图将打开上下文菜单，您可以在其中访问以下选项:
系统- 查看选择系统预测的输出。默认情况下，所有系统的预测输出绘制。
实验数据- 仅多的实验数据。切换从不同的实验数据之间。
特点-查看以下数据特征:
峰值-查看峰值的数据。
平均值-查看数据的平均值。
置信区间- 查看预测产量的估计的标准偏差。要指定标准偏差积数，双击该地块，并打开属性编辑器对话框。指定标准偏差数选项选项卡，在置信区域已确定模型。默认值是
1标准偏差。不是为非线性ARX和汉默斯坦 - 维纳模型和模型不包含参数协方差信息产生信赖区域。
显示过去的数据- 绘制用于预测在过去的输出数据。默认情况下，过去的输出数据绘制。
I / O分组- 对于含有多于一个输入或输出通道的数据集。选择对剧情输入和输出通道的分组。
没有一个- 在自己单独的轴绘图输入 - 输出信道。
所有- 组中的所有输入通道一起，所有输出通道在一起。
I / O选择器- 对于含有多于一个输入或输出通道的数据集。选择输入和输出通道，以情节的子集。默认情况下，所有输出通道绘制。
格- 添加网格的情节。
正常化- 规范化y标尺在剧情的所有数据。
完整视图-返回全视图。默认情况下，图被缩放为全视图。
属性- 打开属性编辑器对话框自定义情节属性。
介绍了在R2012a
您还可以选择从下面的列表中的网站：
