一种时间序列是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,是一种动态系统,被识别为适合给定的信号或时间序列数据。时间序列可以是多变量的,这导致多变量模型。您可以识别时间序列模型系统识别应用程序或命令行。系统识别工具箱™使您可以创建和估算四种一般类型序列模型。
线性参数模型 - 估算自动增加模型和状态空间模型等结构中的参数。
频率响应模型 - 使用光谱分析估算光谱模型。
非线性ARX模型 - 非线性ARX结构中的估计参数。
灰度盒模型 - 估计代表系统动态的常识或差分方程的系数。
参数时间序列模型标识需要均匀采样的时域数据,除了ARX模型,可以处理频域信号。光谱分析算法支持时域和频域数据。金宝app您的数据可以具有一个或多个输出通道,并且必须没有输入通道。有关时间序列模型的更多信息,请参阅什么是时间序列模型?
您可以使用所识别的模型来预测命令行中的模型输出,在应用程序中或在Simulink中金宝app®。在命令行中,您还可以预测超出测量数据的时间范围的模型输出。
模拟时间序列并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算多项式AR和ARMA模型的时间序列数据。
估算自动增加综合移动平均(Arima)模型。
估计命令行的时间序列数据的状态空间模型。
估算命令行和应用程序中的时间序列数据的功率谱。
使用线性和非线性灰度盒建模估算模型参数。
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程。
创建时间序列模型并使用模型进行预测,预测和状态估计。
了解使用线性和非线性模型预测数据的概念。