预测的输出动态系统——MATLAB和Simulink MathWorks意大利金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

预测输出的动态系统

预测的输出动态系统,首先确定一个模型从系统符合过去的测量数据,然后预测未来输出的识别模型。假设您有一组Y的N测量的输出系统(Y= {y₁,y₂,……y_N})。预测未来输出:

确定一个模型系统的使用时间序列估计命令等基于“增大化现实”技术,arx,armax,党卫军。
软件估计模型通过最小化提前一步预测误差的平方之和。您可以识别线性模型,如基于“增大化现实”技术的ARMA和状态空间模型。你也可以估计非线性ARX模型和非线性灰色矩形。
验证使用的识别模型预测命令。
的预测命令一个识别模型的预测输出测量数据的时间跨度(Y_p=y_p1,y_p2,……y_pN)。使用预测来确定预测的结果Y_p观察到的输出匹配Y对于一个想要预测地平线。如果预测是良好的可用数据的时间跨度,使用模型来预测。
指定预测选项如软件计算测量数据的初始条件。指定的选项,可以使用forecastOptions选项设置。
计算确定模型的输出,直到未来的时间范围H,(y_{N + 1},y_{N + 2}、……y_{N + H})使用预测命令。不像预测命令,预测命令执行预测到未来,在一个时间范围之外的最后即时测量数据。
软件计算的预测价值:
- 生成预测模型使用识别模型。
- 使用测量计算预测的最终状态(可用)数据。
- 模拟使用最终状态识别模型的初始条件。
有关更多信息,请参见介绍动态系统响应的预测。

你也可以预测系统,可测量的外源输入输出u(t)影响输出观测。在这种情况下,首先确定一个使用测量的输入输出模型y(t),u(t),然后使用预测命令。

打开生活的脚本

这个例子展示了如何从一个系统预测时间序列数据使用一个ARMA模型。负荷预测的时间序列数据。

负载iddata9z9past_data = z9.OutputData (1:50);

适合一个ARMA模型3 [4]测量数据。

sys = armax (past_data [4 3]);

执行所述的提前预测验证模型的时间间隔测量数据。

yp =预测(sys past_data 10);

预测的响应和测量数据的阴谋。

t = z9.SamplingInstants;t1 = t (1:50);情节(t1, past_data,“k”,t1, yp‘* b”)传说(“过去的数据”,的预测数据)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。一个或多个行显示的值只使用这些对象标记代表过去的数据,预测数据。

图显示sys是一个很好的预测模型,可用于预测。

指定零初始条件的测量数据。

选择= forecastOptions (“InitialCOndition”,“z”);

预测模型输出100步以外的估计数据。

H = 100;yf =预测(sys, past_data, H,选择);

情节过去和预测数据。

t2 = t (51:150)”;情节(t1, past_data,“k”,t2, yf,“——r”)传说(“过去的数据”,的预测数据)

图包含一个坐标轴对象。坐标轴对象包含2线类型的对象。这些对象代表过去的数据,预测数据。