主要内容

时间序列分析

通过识别AR,ARMA,状态空间和灰度盒模型,执行光谱分析和预测模型输出,分析时间序列数据

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。

职能

展开全部

AR. 标量序列AR模型或ARI模型的估计参数
aroptions. 选项设置为AR.
ARX. 估计ARX,ARIX,AR或ARI模型的参数
armax. 使用时域数据估算ARMAX,ARIMAX,ARMA或ARIMA模型的参数
Ivar. 使用仪器变量方法进行模型估计
SSEST. 使用时域或频域数据估计状态空间模型
n4sid. 使用子空间方法使用时域或频域数据来估计状态空间模型
温泉 使用频谱分析估算频率响应的频率响应
SPAFDR. 估算频率响应和频谱使用频率依赖性分辨率进行频谱分析
ETFE. 估计经验转移函数和期间图
nlarx. 非线性ARX模型的估计参数
线性灰度盒模型估计
nlgreyest 估计非线性灰度盒模型参数
Idpoly. 具有可识别参数的多项式模型
IDS. 具有可识别参数的状态空间模型
IDFRD. 频率响应数据或模型
idnlarx. 非线性ARX模型
idgrey. 具有可识别参数的线性ode(灰度盒模型)
idnlgrey. 非线性灰度盒模型
光谱 时间序列模型的输出功率谱
预报 预测识别的模型输出
预测 预测k级前方模型输出

话题

关于时间序列模型

什么是时间序列模型?

时间序列模型,也称为信号模型是一种动态系统,被识别为拟合仅包含输出通道和没有输入通道的数据。

分析时间系列模型

了解如何分析时间序列模型。

估计模型

在命令行中识别时间序列模型

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。

估计AR和ARMA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。

估计Arima模型

估算自动增加综合移动平均(Arima)模型。

估计状态空间时间序列模型

估计命令行的时间序列数据的状态空间模型。

估算时间序列功率谱

估算命令行和应用程序中的时间序列数据的功率谱。

估计余下的系数以适应授予解决方案

使用线性和非线性灰度盒建模估算模型参数。

预测模型输出

预测动态系统的输出

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。

时间序列预测和预测预测

创建时间序列模型并使用模型进行预测,预测和状态估计。

动态系统响应预测简介

了解使用线性和非线性模型预测数据的概念。

特色例子