AR和ARMA模型是没有测量输入的自回归参数模型。这些模型以时间序列数据为基础。
AR模型包含一个多项式一个它作用于测量的输出。对于单输出信号y(t), AR模型由下式给出:
ARMA模型增加了第二个多项式C计算噪声误差的移动平均。单输出时间序列的ARMA模型由下式给出:
ARMA结构简化为AR结构C(问) = 1。
AR和ARMA模型结构是更一般的ARX和ARMAX模型结构的特殊情况,它们确实提供了测量的输入。你可以在命令行和应用程序中估计AR和ARMA模型。
信息:
时间序列模型,见什么是时间序列模型?
多项式模型,看到什么是多项式模型?
包含噪声积分的自回归时间序列模型,见估计ARIMA模型
使用命令行估计AR和ARMA模型基于“增大化现实”技术
,arx
,ivar
,或armax
使用只包含输出度量值的估计数据。这些函数返回由表示的估计模型idpoly
模型对象。
用于估计多项式AR和ARMA时间序列模型的选择命令
函数 | 描述 |
---|---|
基于“增大化现实”技术 |
估计线性,离散时间,单输出AR模型的非迭代最小二乘方法。提供算法选项,包括基于格的方法和Yule-Walker协方差方法。 例子: |
arx |
估计线性AR模型的非迭代最小二乘方法。金宝app支持多个输出。假设白噪声。 例子: |
ivar |
估计单输出AR模型的非迭代工具变量方法。对噪声颜色不敏感。 例子: |
armax |
线性ARMA模型的迭代预测误差估计方法。 例子: |
有关更详细的使用信息和示例,以及关于这些函数可以估计的其他模型的信息,请参见基于“增大化现实”技术
,arx
,ivar
,armax
.
在开始之前,请完成以下步骤:
准备数据,如什么是时间序列模型?.
估计模型顺序,如初步的步骤估计模型订单和输入延迟.
对于多输出AR模型,在MATLAB中指定模型阶矩阵®评估之前的工作空间,如多输出多项式模型的多项式大小和阶数.
按照以下步骤,使用系统识别应用程序估计AR和ARMA模型。
在系统识别应用程序中,选择估计>多项式模型打开多项式模型对话框。
在结构列表,从以下选项中选择你想要估计的多项式模型结构:
基于“增大化现实”技术(na):
ARMA (na nc):
此操作更新了多项式模型对话框中的选项,以与此模型结构相对应。
在订单字段,指定模型订单。
对于单输出的模型,根据显示的顺序输入模型订单结构字段。
对于多输出ARX模型,直接输入模型订单,如多输出多项式模型的多项式大小和阶数.或者,输入矩阵的名称NA
在MATLAB Workspace浏览器中存储模型订单,即纽约
——- - - - - -纽约
.
要使用“订单编辑器”对话框输入模型订单和延迟,请单击命令编辑器.
(仅适用于AR模型)选择估计方法作为ARX或4(工具变量方法)。有关这些方法的更多信息,请参见多项式模型估计算法.
选择添加噪声集成如果你想在噪声源中包含一个积分器e(t).这个选择将一个AR模型变成一个ARI模型( ),将ARMA模型转换为ARIMA模型( ).
在的名字字段,编辑模型的名称或保持默认值。型号板中的型号名称必须是唯一的。
在初始状态列表,指定您希望算法如何处理初始状态。有关可用选项的更多信息,请参见为迭代估计算法指定初始状态.
如果匹配不准确,请尝试设置一个特定的方法来处理初始状态,而不是指定自动选择。
在协方差列表中,选择估计
如果你想用算法来计算参数的不确定性。这些不确定性的影响在图上显示为模型置信区域。
如果您不想让算法估计不确定性,请选择没有一个
.跳过不确定性计算可以减少复杂模型和大数据集的计算时间。
点击正则化得到模型参数的正则化估计。在“正则化选项”对话框中指定正则化常量。有关更多信息,请参见模型参数的正则化估计.
要在命令行查看评估进度,请选择显示进度复选框。在估计过程中,每个迭代都会显示以下信息:
损失函数-估计输入噪声的协方差矩阵的行列式。
参数值-您指定的模型结构系数的值。
搜索方向-参数值与前一次迭代的变化。
配合改善-配合的实际与预期的改善。
点击估计将该模型添加到系统识别应用程序中的模型板中。
对于预测错误方法,只有在当前迭代完成后,单击停止搜索并保存结果停止迭代.要从当前模型继续迭代,请单击继续iter按钮将当前参数值指定为下一次搜索的初始猜测值,并开始新的搜索。对于多输出情况,您可以分别停止每个输出的迭代。注意,软件对每个输出运行独立的搜索。
要绘制模型,选择。中的适当复选框模型视图区域的系统识别应用程序。
您可以将模型导出到MATLAB工作区,以便进一步分析到工作空间在系统识别应用程序中。