加载数据并创建一个iddata.对象z采样时间为0.1秒。

负载Twotankdata.yuz = iddata (y、u,'ts', 0.1);

指定具有表单的多项式回归器 ${\mathit{u}（\mathit{t}-2）}^2$， ${\mathit{u}（\mathit{t}-4）}^2$，和 ${\mathit{y}（\mathit{t}-1）}^2$．

利用z指定变量名。

变量= [z.outputname; z.inputname];

指定滞后。

LAGS = {1，[2 4]};

创建回归量。默认顺序为2．

PREG = PolynomialReogressor（变量，滞后）

PREG =变量中的1个回归y1，U1顺序：2变量：{'y1''u1'}滞后：{[1] [2 4]} USEABSOLUTE：[0 0] ALVERVARIABLEIX：0 ALLUALLAGMIX：0 TIMEVARIALE：'T'由此描述的回归器

使用PREG.来估计非线性ARX模型。

sys = nlarx（z，preg）

SYS =带有1个输出和1个输入输入的非线性ARX模型：U1输出：Y1回归：变量中的1个回归位Y1，U1列表所有回归量输出功能：小波网络具有66个单元采样时间：0.1秒状态：使用nlarx估计时域数据“z”。适用于估算数据：95.97％（预测焦点）FPE：5.843E-05，MSE：5.569E-05

查看解释变量。

GetReg（SYS）

ans =3×1个细胞{“y1 (t - 1) ^ 2”}{u1(2) ^ 2的}{u1(第四节)^ 2的}

指定三阶多项式回归 ${{\mathit{u}}_1（\mathit{t}-2）}^{3.}$．

变量='U1'；滞后= 2;订单= 3;preg = polynomialregressor（变量，滞后，订单）

pReg = Order 3 regressors in variables u1 Order: 3 variables: {'u1'} lag: {[2]} UseAbsolute: 0 AllowVariableMix: 0 AllowLagMix: 0 TimeVariable: 't'由该集合描述的回归器

创建一个二阶多项式回归集，它使用变量中的3,10和100的滞后y1.以及0和4的滞后变量U1.．

var = {'y1'，'U1'};LAGS = {[3 10 100]，[0,4]};

指定y1.回归使用绝对值y1.．

UseAbs =(真、假);

创建多项式回归器。

reg = polynomialRegressor (var,滞后2 UseAbs)

reg = Order 2 regressors in variables y1, u1 Order: 2 variables: {'y1' 'u1'} lag: {[3 10 100] [0 4]} UseAbsolute: [1 0] AllowVariableMix: 0 AllowLagMix: 0 TimeVariable: 't'所描述的回归器

创建一个多项式回归器集，包括术语 ${{\mathit{y}}_1（\mathit{t}-1）}^2$， ${{\mathit{u}}_1（\mathit{t}-1）}^2$，和 ${\mathit{y}}_1（\mathit{t}-1）{\mathit{u}}_1（\mathit{t}-1）$．

指定变量和滞后。

var = {'y1'，'U1'};LAGS = {1,1};

指定要创建混合变量回归器。

mixvar = true;

使用二阶多项式回归使用Mixvar.．设置第四个位置，代表该位置UseAbsolute财产，到假．

Reg = PolynomialReogressor（vars，滞后，2，false，mixvar）

reg =变量中的1个回归y1，U1顺序：2变量：{'y1''u1'}滞后：{[1] [1]} useabsolute：[0] arivevariablex：1 allarlagmix：0值：'t'这套描述的回归器

作为一种替代方法，您可以首先使用变量和时滞创建回归器规范，并设置allowvariablex.后来的财产使用点表示法。

Reg1 = PolynomialReogressor（vars，滞后）;Reg1.allyVariaMalix = True

Reg1 =变量中的订单2回归y1，U1顺序：2变量：{'y1'u1'}滞后：{[1] [1]} USEABSOLUTE：[0] ariveVariaBlex：1 ariveLagmix：0 TapeVariable：'T'这套描述的回归器

使用reg1.在非线性ARX模型中。

负载Twotankdata.yu；z = iddata (y、u,'ts', 0.1);sys = nlarx（z，reg1）;

查看解释变量。

GetReg（SYS）

ans =3×1个细胞{'y1(t-1)^2'} {'u1(t-1)^2'} {'y1(t-1)*u1(t-1)'}

回归器包括混合变量术语。

指定包含表单项的多项式回归集合 $\mathit{u}（\mathit{t}）$ $\mathit{u}（\mathit{t}-3.）$．

指定变量名和滞后。

var = {'y1'，'U1'};时滞= {2，[0 3]};

初始化一个二阶多项式回归器。

Reg = PolynomialReogressor（vars，滞后）;

指定回归器使用混合滞后。

reg。所有owLagMix = true;

使用非线性ARX模型中的回归集合。

负载Twotankdata.yu；z = iddata (y、u,'ts', 0.1);sys = nlarx（z，reg）;

查看解释变量。

GetReg（SYS）

ans =4×1细胞{'y1（t-2）^ 2'} {'u1（t）^ 2'} {'u1（t-3）^ 2'} {'u1（t）* u1（t-3）'}

回归包括混合滞后术语。

加载数据并创建一个iddata.对象z．

负载Twotankdata.yuz = iddata (y、u,'ts', 0.1);

指定具有表单的多项式回归器 ${\mathit{u}（\mathit{t}-2）}^2$和 ${\mathit{u}（\mathit{t}-4）}^2$．还指定表单的线性回归 $\mathit{y}（\mathit{t}-1）$．

指定输入延迟。

Ulags = {[2 4]};

指定多项式回归器。默认的回归顺序是2．

preg = polynomialregressor（z.inputname，ulags）;

指定输出滞后并指定线性回归。

llags = 1;lreg = linearreplorseror（z.outputname，llags）;

估计一个非线性ARX模型。

Reg = [PREG; LREG]

reg =2×1对象[2 1]数组多项式回归器，线性回归器对象。------------------------------------ 1。Order 2 regressors in variables u1 Order: 2 variables: {'u1'} lag: {[2 4]} UseAbsolute: 0 AllowVariableMix: 0 AllowLagMix: 0 TimeVariable: 't' ------------------------------------ 2。变量y1中的线性回归变量变量:{'y1'}时滞:{[1]}UseAbsolute: 0 TimeVariable: 't'此集合描述的回归变量

sys = nlarx（z，reg）

SYS =带有1个输出的非线性ARX模型和1个输入输入：U1输出：Y1回归器：1。变量中的线性回归y1 2.变量中的排序2回归所有回归量输出功能：小波网络具有21个单位采样时间：0.1秒状态：使用nlarx估计时域数据“z”。适合估算数据：96.56％（预测焦点）FPE：4.133E-05，MSE：4.059E-05

查看解释变量。

GetReg（SYS）

ans =3×1个细胞{'U1（T-2）^ 2'} {'U1（T-4）^ 2'} {'y1（t-1）'}

加载估计数据Z1，具有一个输入和一个输出，并获得输出和输入名称。

负载Iddata1.Z1；= (z1名字。outputName.Z1．InputName]

名称=1×2细胞{'y1'} {'u1'}

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

l = linearreplorseror（名称，{1，[2 5]}）;

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

p =多项式regrarsor（名称（1），1,2）;

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

C = CustomRegressor（名称，{2 3}，@（x，y）x。* y）

c =自定义回归线：Y1（T-2）。* U1（T-3）VariaBlestoreGroussorFCN：@（x，y）x。* y变量：{'y1''u1'}滞后：{[2] [3]}矢量化：1值：此集合描述的“T”回归器

在列向量中组合回归器R．

r = [l; p; c]

r =3×1对象[3 1] LinearReBoardSer，PolyNomialReogressor，CustomRogressor Objects数组。---------------------------------------------------------中的线性回归y1，u1变量：{'y1''U1'}滞后：{[1] [2 5]} USEABUTURE：[0]时间等变：'T'---------------------------------- 2. Order 2 regressors in variables y1 Order: 2 Variables: {'y1'} Lags: {[1]} UseAbsolute: 0 AllowVariableMix: 0 AllowLagMix: 0 TimeVariable: 't' ------------------------------------ 3. Custom regressor: y1(t-2).*u1(t-3) VariablesToRegressorFcn: @(x,y)x.*y Variables: {'y1' 'u1'} Lags: {[2] [3]} Vectorized: 1 TimeVariable: 't' Regressors described by this set

估计非线性ARX模型R．

sys = nlarx (z1, R)

sys =带有1个输出和1个输入输入的非线性ARX模型：U1输出：y1回归器：1。变量中的线性回归y1，u1 2.变量中的1 3.自定义回归：Y1（T-2）。* U1（T-3）所有回归量的列表输出功能：小波网络具有1个单元采样时间：0.1秒状态：使用NLARX估计时域数据“Z1”。适合估算数据：59.73％（预测焦点）FPE：3.356，MSE：3.147

查看完整的回归器集。

GetReg（SYS）

ans =5×1细胞{'y1（t-1）'} {'u1（t-2）'} {'u1（t-5）'} {'y1（t-1）^ 2'} {'y1（t-2）。* U1（T-3）'}