Time Series Analysis
一个时间序列is data that contains one or more measured output channels but no measured input. A time series model, also called a signal model, is a dynamic system that is identified to fit a given signal or time series data. The time series can be multivariate, which leads to multivariate models. You can identify time series models in theSystem Identification应用程序或命令行。系统标识Toolbox™使您可以创建和估计四种一般类型的时间序列模型。
线性参数模型 - 诸如自回旋模型和状态空间模型之类的结构中的估计参数。
频率响应模型 - 使用光谱分析估算光谱模型。
Nonlinear ARX models — Estimate parameters in the nonlinear ARX structure.
Grey-box models — Estimate the coefficients of the ordinary differential or difference equations that represent your system dynamics.
参数时间序列模型标识需要均匀采样的时间域数据，除了可以处理频域信号的ARX模型。光谱分析算法支持时间域和频域数据。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？
You can use the identified models to predict model output at the command line, in the app, or in Simulink®。在命令行，您还可以预测超出测量数据的时间范围的模型输出。
功能
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）是一个动态系统，该系统被识别为仅包含输出通道和无输入通道的数据。 - 分析时间序列模型
Learn how to analyze time series models.
估计模型
- 在命令行确定时间序列模型
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
在命令行和应用中估算时间序列数据的多项式AR和ARMA模型。 - Estimate ARIMA Models
Estimate autoregressive integrated Moving Average (ARIMA) models. - 估计状态空间时间序列模型
估算命令行的时间序列数据的状态空间模型。 - Estimate Time-Series Power Spectra
Estimate power spectra for time series data at the command line and in the app. - Estimate Coefficients of ODEs to Fit Given Solution
使用线性和非线性灰色框建模估算模型参数。
预测模型输出
- 动态系统的预测输出
使用线性和非线性模型进行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
Create a time series model and use the model for prediction, forecasting, and state estimation. - Introduction to Forecasting of Dynamic System Response
使用线性和非线性模型了解预测数据的概念。
特色示例
You can also select a web site from the following list:
一个mericas
- 一个mérica Latina(Español)
- 加拿大（英语）
- United States（英语）