主要内容

评估报告

什么是评估报告?

的评估报告包含有关用于模型估计的结果和选项的信息。该报告存储在报告估计模型的性质。报告的确切内容依赖于您用于获取模型的估计函数。

具体而言，估算报告包含以下信息:

  • 模型的状态-模型是被构建还是被估计

  • 在估计过程中如何处理初始条件

  • 迭代估计算法的终止条件

  • 最终预测误差(FPE)、对估计数据的拟合率和均方误差(MSE)

  • 原始的、归一化的和小样本量校正的赤池信息准则(AIC)和贝叶斯信息准则(BIC)

  • 估计数据的类型和属性

  • 所有估计量-参数值，状态空间和灰盒模型的初始状态，以及它们的协方差

  • 用于配置估计算法的选项集

要了解为特定估计器生成的报告的更多信息，请参阅相应的参考页。

您可以使用该报告:

访问评估报告

打开生活的脚本

这个例子展示了如何访问评估报告。

评估报告保存了信息的日志，例如使用的数据、使用的默认设置和其他设置，以及参数值、初始条件和适合度等估计结果。

在评估模型之后，使用点符号来访问评估报告。例如:

负载iddata1z1；np = 2;sys =特遣部队(z1, np);sys_report =系统。报告
sys_report = Status: 'Estimated using TFEST' Method: 'TFEST' InitializeMethod: 'iv' N4Weight: 'Not applicable' N4Horizon: 'Not applicable' InitialCondition: 'estimate' Fit: [1x1 struct] Parameters: [1x1 struct] OptionsUsed: [1x1 idoptions. sys_report = Status: 'Estimated using TFEST' Method: 'TFEST' InitializeMethod: 'iv'tfest] RandState: [] DataUsed: [1x1 struct]终止:[1x1 struct]

探索评估期间使用的选项。

sys.Report.OptionsUsed
为fest命令设置选项:InitializeMethod: 'iv' InitializeOptions: [1x1 struct] InitialCondition: 'auto' Display: 'off' InputOffset: [] OutputOffset: [] EstimateCovariance: 1 Regularization: [1x1 struct] SearchMethod: 'auto' SearchOptions: [1x1 idoptions.search.]identsolver] WeightingFilter: [] EnforceStability: 0 OutputWeight: [] Advanced: [1x1 struct]

查看传递函数模型与估计数据的拟合情况。

sys.Report.Fit
ans =结构体字段:FitPercent: 70.7720 LossFcn: 1.6575 MSE: 1.6575 FPE: 1.7252 AIC: 1.0150e+03 AICc: 1.0153e+03 nAIC: 0.5453 BIC: 1.0372e+03

使用估计报告比较估计模型

打开生活的脚本

这个例子展示了如何使用评估报告比较多个评估模型。

负荷估算数据。

负载iddata1z1；

估计传递函数模型。

np = 2;sys_tf =特遣部队(z1, np);

估计状态空间模型。

sys_ss = ss (z1, 2);

估计一个ARX模型。

Sys_arx = arx(z1， [2 2 1]);

比较估计模型与估计数据的拟合百分比。

fit_tf = sys_tf.Report.Fit.FitPercent
fit_tf = 70.7720
fit_ss = sys_ss.Report.Fit.FitPercent
fit_ss = 76.3808
fit_arx = sys_arx.Report.Fit.FitPercent
fit_arx = 68.7220

比较结果表明，状态空间模型对数据的拟合率最高。

使用评估报告分析和改进评估结果

打开生活的脚本

这个示例展示了如何使用评估报告分析一个评估并配置另一个评估。

估计一个状态空间模型，使一步预测误差最小化。

负载(fullfile (matlabroot“工具箱”，“识别”，“iddemos”，“数据”，“mrdamper.mat”));z = iddata (F, V, Ts);选择= ssestOptions;opt.Focus =“预测”；opt.Display =“上”；sys1 = ss (z, 2,选择);

sys1具有良好的一步预测能力，预测结果与数据的拟合率为90%。

使用比较(z, sys1)检查模型模拟测量输出的能力F使用的输入V．模型的模拟响应与数据的拟合率只有45%。

在保留原始选项的地方执行另一个估计sys1除了你改变了焦点以最小化模拟误差。

获取所使用的选项sys1存储在其报告财产。当您保存了估计模型，但没有保存用于估计的相应选项集时，这种方法是有用的。

opt2 = sys1.Report.OptionsUsed;

将重点转向模拟并重新评估模型。

opt2。Focus =“模拟”；sys2 = ss (z, sys1, opt2);

将模拟响应与估计数据进行比较比较(z, sys1 sys2)．健康指数提高到53%。

相关的话题

系统识别工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在