指定一个等价于ARX模型顺序矩阵的线性回归器(4 4 1)．

的阶矩阵(4 4 1)指定输入和输出回归器集都包含四个滞后范围从1到4的回归器。例如, ${\mathit{u}}_1（\mathit{t}-2）$表示第二个输入回归器。

指定输出和输入名称。

output_name =“日元”；input_name =‘u1’；名称= {output_name, input_name};

指定输出和输入延迟。

Output_lag = [1 2 3 4];输入延迟= [1 2 3 4];滞后= {output_lag, input_lag};

创建线性回归器对象。

lreg = linearRegressor(名称、滞后)

lreg =变量y1, u1中的线性回归量变量:{'y1' 'u1'}时滞:{[1 2 3 4][1 2 3 4]}UseAbsolute: [0 0] TimeVariable: 't'该集合描述的回归量

加载估计数据并创建一个iddata对象。

负载twotankdataz = iddata (y、u, 0.2);

估计非线性ARX模型。

sys = nlarx (z, lreg)

sys = 1个输出和1个输入的非线性ARX模型输入:u1 Outputs: y1 Regressors:变量y1, u1中的线性回归量所有回归量列表输出函数:11单位小波网络样本时间:0.2秒状态:使用NLARX对时域数据“z”进行估计。拟合估计数据:96.84%(预测焦点)FPE: 3.482e-05, MSE: 3.431e-05

查看解释变量

getreg(系统)

ans =8 x1细胞{y1 (t - 1)的}{‘y1 (2)} {y1(条t - 3)的}{y1(第四节)的}{u1 (t - 1)的}{的u1 (2)} {u1(条t - 3)的}{}“u1(第四节)”

将模型输出与估计数据进行比较。

比较(z, sys)

创建一个线性回归器集，在变量中使用滞后3、10和100日元以及0和4的滞后变量u1．

var = {“日元”，‘u1’};时滞= {[3 10 100]，[0,4]};

指定该日元的绝对值日元．

UseAbs =(真、假);

创建线性回归器。

reg = linearRegressor (var,滞后,UseAbs)

reg =变量y1, u1中的线性回归器变量:{'y1' 'u1'} lag: {[3 10 100] [0 4]} UseAbsolute: [1 0] TimeVariable: 't'由该集合描述的回归器

加载估计数据z1，它有一个输入和一个输出，并获取输出和输入名称。

负载iddata1z1；= (z1名字。OutputNamez1．InputName]

名称=1 x2单元格{“日元”}{u1的}

指定l表示为线性回归器的集合 ${\mathit{y}}_1（\mathit{t}-1）$， ${\mathit{u}}_1（\mathit{t}-2）$, ${\mathit{u}}_1（\mathit{t}-5）$．

L = linearRegressor(names，{1，[2 5]});

指定P作为多项式回归器 ${{\mathit{y}}_1（\mathit{t}-1）}^2$．

P = polynomialRegressor(名称(1),1,2);

指定C作为自定义回归器 ${\mathit{y}}_1（\mathit{t}-2）$ ${\mathit{u}}_1（\mathit{t}-3.）$．使用匿名函数句柄来定义该函数。

C = customRegressor(names，{2 3}，@(x,y)x.*y)

C =自定义回归器:y1(t-2).*u1(t-3) VariablesToRegressorFcn: @(x,y)x。*y Variables: {'y1' 'u1'} lag: {[2] [3]} Vectorized: 1 TimeVariable: 't'由这个集合描述的回归器

在列向量中组合回归器R．

R = [L; P C]

R =[3 1]线性回归器，多项式回归器，customregression对象的数组。------------------------------------ 1。线性解释变量y₁,u1变量:{“日元”的u1}滞后:{[1][2 - 5]}UseAbsolute: [0 0] TimeVariable:“t ' ------------------------------------ 2。Order 2 regressors in variables y1 Order: 2 variables: {'y1'} lag: {[1]} UseAbsolute: 0 AllowVariableMix: 0 AllowLagMix: 0 TimeVariable: 't' ------------------------------------自定义回归器:y1(t-2).*u1(t-3) VariablesToRegressorFcn: @(x,y)x。*y Variables: {'y1' 'u1'} lag: {[2] [3]} Vectorized: 1 TimeVariable: 't'由这个集合描述的回归器

估计一个非线性ARX模型R．

sys = nlarx (z1, R)

sys = 1个输出和1个输入的非线性ARX模型变量y1 u1 2的线性回归。变量y13的二阶回归量。自定义回归器:y1(t-2).*u1(t-3)所有回归器列表输出函数:1单位小波网络样本时间:0.1秒状态:使用NLARX对时域数据“z1”进行估计。拟合估计数据:59.73%(预测焦点)FPE: 3.356, MSE: 3.147

查看完整的回归器集。

getreg(系统)

ans =5 x1细胞{y1 (t - 1)的}{的u1(2)}{的u1 (t-5)} {y1 (t - 1) ^ 2的}{y1(2)。* u1(条t - 3)}