一个时间序列包含一个或多个测量输出通道但没有测量输入的数据。时间序列模型,也称为信号模型,是一个动态系统,它被识别来适应给定的信号或时间序列数据。时间序列可以是多元的,这就产生了多元模型。你可以在系统识别应用程序或命令行。系统识别工具箱™使您能够创建和估计四种一般类型的时间序列模型。
线性参数模型-估计结构中的参数,如自回归模型和状态空间模型。
频率响应模型-使用频谱分析估计频谱模型。
非线性ARX模型-估计非线性ARX结构中的参数。
灰箱模型-估计表示系统动力学的常微分或差分方程的系数。
参数时间序列模型识别需要均匀采样的时域数据,而ARX模型可以处理频域信号。频谱分析算法支持时域和频域数据。金宝app您的数据可以有一个或多个输出通道,但必须没有输入通道。有关时间序列模型的更多信息,请参见什么是时间序列模型?
您可以使用已识别的模型在命令行、应用程序或Simulink中预测模型输出金宝app®.在命令行中,您还可以预测超出测量数据时间范围的模型输出。
模拟一个时间序列,使用参数和非参数方法来估计和比较时间序列模型。
在命令行和应用程序中估计时间序列数据的多项式AR和ARMA模型。
估计自回归综合移动平均(ARIMA)模型。
在命令行估计时间序列数据的状态空间模型。
在命令行和应用程序中估计时间序列数据的功率谱。
使用线性和非线性灰箱模型估计模型参数。
使用线性和非线性模型预测时间序列数据和输入输出数据的工作流。
创建一个时间序列模型,并使用该模型进行预测、预测和状态估计。
理解使用线性和非线性模型预测数据的概念。