“z”-零初始条件。

“e”-估计初始条件，使观测输出的预测误差最小化。

对于非线性灰盒模型，只有这些初始状态我在模型中被指定为免费的(sys.InitialStates(我)。固定=假)是估计的。要估计模型的所有状态，首先指定所有的Nx联合国成员国idnlgrey模型sys是免费的。

为i = 1:Nx sys.InitialStates(i)。Fixed = false;结束

将所有初始状态固定为中指定的值sys。InitialStates，首先将所有状态指定为固定的sys。InitialStates非线性灰盒模型的性质。

' d '-类似于“e”，但将非零延迟吸收到模型系数中。首先将延迟转换为显式模型状态，并估计和返回这些状态的初始值。

仅对线性模型使用此选项。

向量或矩阵-状态值的初始猜测，指定为长度等于状态数的数值列向量。对于多个实验数据，指定一个矩阵不列,不是实验的次数。否则，使用列向量为所有实验指定相同的初始条件。对状态空间(中的难点和idgrey)和非线性模型(idnlarx，idnlhw,idnlgrey只)。

initialCondition对象-initialCondition对象，表示系统对初始条件的自由响应模型。对于多个实验数据，请指定1 by-N_e对象数组，其中N_e是实验的次数。

仅对线性模型使用此选项。

结构，包含以下字段，其中包含在预测中使用的数据开始时间之前的时间间隔的历史输入和输出值:

使用示例请参见使用历史数据来指定模型预测的初始条件。

对于多个实验数据，通过指定分别配置每个实验的初始条件InitialCondition作为结构数组不元素。要为所有实验指定相同的初始条件，请使用单一结构。

软件使用data2state将历史数据映射到状态。如果你的模型不是中的难点，idgrey，idnlgrey,或idnlarx，软件首先将模型转换为其状态空间表示，然后将数据映射到状态。如果将您的模型转换为中的难点不可能，则估计状态返回空。

x0obj—使用创建的规范对象idpar。将此对象用于离散时间状态空间(中的难点和idgrey)和非线性灰盒(idnlgrey)模型。使用x0obj通过固定初始状态的值或指定最小或最大边界来对初始状态施加约束。

［］—无输入偏移。

一个长度为1的列向量ν,在那里ν是输入的个数。软件减去偏移值InputOffset(我)从我在输入信号之前使用该输入来预测模型响应。

ν——- - - - - -不矩阵-对于多实验数据，指定InputOffset作为一个ν——- - - - - -不矩阵,不是实验的次数。软件减去偏移值InputOffset (i, j)从我的输入信号j先实验再预测。

如果指定长度为的列向量ν，然后是偏移值InputOffset(我)是减去我所有实验的输入信号。

［］—无输出偏移。

一个长度为1的列向量纽约,在那里纽约是输出的个数。软件减去偏移值OutputOffset(我)从我在输出信号之前使用输出来预测模型响应。预测后，软件将偏移量添加到预测响应中，以给出最终预测响应。

纽约——- - - - - -不矩阵-对于多实验数据，指定OutputOffset作为一个纽约——- - - - - -不矩阵,不是实验的次数。软件减去偏移值OutputOffset (i, j)从我的输出信号j先实验再预测。

如果指定长度为的列向量纽约，然后是偏移值OutputOffset(我)是减去我所有实验的输出信号。

预测后，软件将移除的偏移量添加到预测响应中，以给出最终的预测响应。

［］-软件对初始条件估计不使用加权。此选项与使用相同眼睛(纽约)对于输出权值，其中纽约是输出的个数。

“噪音”—该软件使用的是NoiseVariance作为权重的模型属性。

一个有维数的正半定矩阵纽约——- - - - - -纽约,在那里纽约是输出的个数。