arx
ARIX ARX的估计参数,基于“增大化现实”技术,或者阿里模型
语法
描述
估计AR或ARX模型
估计的参数ARX或者一个基于“增大化现实”技术sys
= arx (tt
,(na nb nk)
)idpoly
模型sys
使用数据中包含的变量的时间表tt
。软件使用ν变量作为输入和未来纽约变量输出,ν和纽约确定的尺寸注
和na
,分别。
对AR模型,没有输入信号,使用sys = arx (tt, na)
。在这种情况下,使用第一个适合的软件模型纽约变量。
arx
执行使用最小二乘估计方法和多项式命令中指定(na nb nk)
。模型属性包括协方差参数不确定性和估计和测量数据之间的拟合优度。
选择特定的输入和输出通道tt
,使用名称-值语法“InputName”
和“OutputName”
变量名称相应的时间表。
使用逗号分隔的时域输入和输出信号矩阵sys
= arx (u
,y
,(na nb nk)
)u
,y
。软件假定数据样本时间是1秒。改变样品的时间,设置Ts
使用名称的语法。
使用时域或频域数据对象中的数据sys
= arx (数据
,(na nb nk)
)数据
。使用这种语法尤其是当你想使用频域或频率特性数据估计模型,或者当你想利用额外的信息,比如数据标签样本时间和实验,数据对象提供。
指定附加选项
回归估计初始条件
(
估计初始条件作为回报sys
,集成电路
)= arx (___)initialCondition
对象。如果你打算使用这个语法模拟或预测模型响应输入数据,然后使用相同的估计比较相同的估计输出数据的响应。结合初始条件收益率期间更好的匹配的第一部分模拟。
例子
ARX模型
生成指定输出数据基于ARX模型,并使用输出数据来估计模型。
指定一个多项式模型sys0
ARX结构。模型包含一个输入延迟的一个样本,表示为一个前导零B
多项式。
一个= -1.5 - 0.7 [1];B = (0.5 0 1);sys0 = idpoly (A, B);
生成一个测量输入信号u
包含随机二进制噪声和一个错误的信号e
包含正态分布的噪声。这些信号,模拟量输出信号y
的sys0
。
u = iddata ([], idinput (300,苏格兰皇家银行的));e = iddata ([], randn (300,1));y = sim (sys0 [u e]);
结合y
和u
成一个单一的iddata
对象z
。估计一个新的ARX模型使用z
和相同的多项式订单和输入延迟与原始模型。
z = [y、u];sys = arx (z, [2 2 1])
sys =离散ARX模型:一个(z) y (t) = B (z) u (t) + e (t) (z) = 1 - 1.524 z ^ 1 + 0.7134 z z ^ ^ 2 B (z) = 1 + 0.4748 z ^ 2样品时间:1秒参数化:多项式订单:na = 2 nb = 2 nk = 1很多免费的系数:4使用“polydata”、“getpvec”、“getcov”参数及其不确定性。状态:用ARX时域数据“sys0”。适合估算数据:81.36%(预测聚焦)消防工程:1.025,MSE: 0.9846
输出显示包含估计参数的多项式与其他评估的细节。下状态
,适合评估数据
显示估计模型1-step-ahead预测精度在80%以上。
AR模型
估计时间序列AR模型使用arx
函数。AR模型没有测量输入。
加载数据,包含时间序列的时间表tt9
与噪音。
负载sdata9tt9
估计通过指定只有一个四阶AR模型na
顺序(na nb nk)
。
sys = arx (tt9 4);
检查估计多项式参数和合适的估算数据。
param = sys.Report.Parameters.ParVector
param =4×1-0.7923 -0.4780 -0.0921 0.4698
适合= sys.Report.Fit.FitPercent
适合= 79.4835
ARIX模型
ARIX模型的参数估计。ARIX模型是一个ARX模型与集成的噪音。
指定一个多项式模型sys0
ARX结构。模型包含一个输入延迟的一个样本,表示为一个前导零B
。
一个= -1.5 - 0.7 [1];B = (0.5 0 1);sys0 = idpoly (A, B);
模拟的输出信号sys0
使用随机二进制输入信号u
和正态分布误差信号e
。
u = iddata ([], idinput (300,苏格兰皇家银行的));e = iddata ([], randn (300,1));y = sim (sys0 [u e]);
整合输出信号并存储结果易
在iddata
对象子
。
易= iddata (cumsum (y.y), []);子=(咦,u);
估计一个ARIX模型子
。设置名称-值对的论点“IntegrateNoise”
来真正的
。
sys = arx(子(2 2 1),“IntegrateNoise”,真正的);
预测模型的输出使用5步预测和比较结果易
。
比较(子、sys、5)
获得初始条件
加载数据。
负载iddata1icz1i
估计二阶ARX模型sys
并返回初始条件集成电路
。
na = 2;nb = 2;nk = 1;(sys, ic) = arx (z1i (na nb nk));集成电路
ic = initialCondition属性:答:[2 x2双]X0: [2 x1双]C: [0 2] Ts: 0.1000
集成电路
是一个initialCondition
对象,该对象封装了免费的反应sys
在状态方程形式,初始状态向量X0
。你可以把集成电路
当你模拟sys
与z1i
输入信号和比较的响应z1i
输出信号。
输入参数
tt
- - - - - -排课估计数据
时间表|单元阵列的时间表。
估计数据,指定为一个时间表
定期使用间隔时间向量。tt
包含变量代表输入和输出通道。对于multiexperiment数据,tt
是一个细胞数组长度的时间表不
,在那里不
是实验的数量吗
软件的数量决定了输入和输出通道用于估计多项式订单指定的尺寸。输入/输出通道选择取决于“InputName”
和“OutputName”
指定名称参数。
如果
“InputName”
和“OutputName”
不指定,那么软件使用第一ν的变量tt
作为输入和未来纽约的变量tt
作为输出。如果
“InputName”
和“OutputName”
指定,那么软件使用指定的变量。指定数量的输入和输出的名称必须一致ν和纽约。对于函数,可以估计一个时间序列模型,没有输入,
“InputName”
不需要指定。
关于处理估计数据类型的更多信息,见数据域和数据类型在系统辨识工具箱。
u
,y
- - - - - -依赖于估计的数据
矩阵|细胞矩阵的数组
估计数据,指定输出系统作为一个逗号分隔的N年代1实值矩阵含有均匀采样输入和输出时域信号值。在这里,N年代是样品的数量。
对于MIMO系统,指定u
,y
作为输入/输出矩阵对以下维度:
u
- - - - - -N年代——- - - - - -Nu,在那里Nu输入的数量。y
- - - - - -N年代——- - - - - -Ny,在那里Ny是输出的数量。
对于multiexperiment数据,指定u
,y
作为一对1×-Ne细胞阵列,Ne是实验的数量。所有的样品时间实验必须匹配。
时间序列数据,只包含输出和输入,指定y
只有。
限制
关于处理估计数据类型的更多信息,见数据域和数据类型在系统辨识工具箱。
(na nb nk)
- - - - - -多项式和延迟订单
整行向量|整数矩阵的行向量|标量
多项式的订单和延迟模型,指定为1×3向量或矩阵的向量(na nb nk)
。多项式阶数等于多项式系数的估计。
AR或ARI时间序列模型,没有输入,设置(na nb nk)
的标量na
。例如,看到的AR模型。
对于一个模型Ny输出和Nu输入:
na
多项式的顺序吗一个(问),指定为一个Ny——- - - - - -Ny矩阵的非负整数。注
多项式的顺序吗B(问)+ 1,指定为一个Ny——- - - - - -Nu矩阵的非负整数。nk
输入输出延迟,也称为传输延迟,指定为一个吗Ny——- - - - - -Nu矩阵的非负整数。nk
在ARX模型的代表是固定的前导零B多项式。例如,假设没有运输延误,
sys.b
是(5 - 6)
。因为
sys.b
+ 1是一个二阶多项式,注
= 2。指定一个传输延迟
nk
=3
。指定这个延迟增加了三个前导零sys.b
这sys.b
现在是[0 0 0 5 6]
,而注
仍然等于2。这些系数代表了多项式B(问)= 5问3+ 6问4。
您还可以使用名称-值对参数实现运输延误
“IODelay”
。
。
例子:(2 1 1)arx(数据)
计算,从一个iddata
对象,一个二阶ARX模型与一个输入通道的输入延迟的一个样本。
选择
- - - - - -估计选项
arxOptions
选项设置
ARX模型识别、评估选项指定为一个arOptions
选项。选项指定的选择
包括以下:
初始条件为频域数据处理——使用这个选项只。对于时域数据,信号转移这样无边无际的信号不需要预测。
输入和输出数据偏移量,使用这些选项在估计中去除时域补偿数据。
正则化——使用这个选项来控制偏差和方差之间的权衡错误估计过程。
有关更多信息,请参见arxOptions
。例如,看到的ARX模型与正则化。
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:“IntegrateNoise”,真的
增加了一个积分器在噪声信道。
InputName
- - - - - -输入通道名称
字符串|特征向量|字符串数组|单元阵列的特征向量
输入通道名称,指定为一个字符串,特征向量,特征向量的字符串数组,数组或单元。
如果您正在使用数据源,时间表中的名称InputName
必须的一个子集的时间表变量。
例子:sys = arx (tt, __, InputName, [u1”“u2”])
选择的变量u1
和u2
作为输入通道的时间表tt
用于估计。
OutputName
- - - - - -输出通道名称
字符串|特征向量|字符串数组|单元阵列的特征向量
输出通道名称,指定为一个字符串,特征向量,特征向量的字符串数组,数组或单元。
如果您正在使用数据源,时间表中的名称OutputName
必须的一个子集的时间表变量。
例子:sys = arx (tt, __“OutputName”,(“日元”“y3))
选择的变量日元
和y3
作为输出通道的时间表tt
用于估计。
InputDelay
- - - - - -输入延迟
0(默认)|整数标量|正整数向量
输入延迟表示为整数倍的样品时间,指定为逗号分隔组成的“InputDelay”
和下列之一:
Nu1的向量,Nu是输入的数量——每个条目是一个数值表示的输入延迟相应的输入通道。
标量值,应用相同的延迟输入通道。
例子:arx(数据、(2 1 3)' InputDelay ', 1)
估计二阶ARX模型与一个输入通道的输入延迟三个样品。
IODelay
- - - - - -运输延误
0(默认)|整数标量|整型数组
为每个输入-输出对运输延误,表示为整数倍的样品时间,指定为逗号分隔组成的“IODelay”
和下列之一:
Ny——- - - - - -Nu矩阵,Ny输出的数量和吗Nu是输入,每个条目的数量是一个整数值代表的传输延迟相应的输入输出。
标量值,应用相同的延迟是适用于所有输入输出对。输入输出延迟参数时这种方法是有用的
nk
导致大量的固定的前导零B多项式。你可以提出来max (nk-1, 0)
落后于通过移动这些滞后nk
到“IODelay”
价值。例如,假设您有一个系统,两个输入,第一个输入的延迟三个样品和第二个输入延迟6个样品。还假设B这些输入的多项式
n
。你可以表达这些延迟使用以下:nk
=(3 - 6)
——这导致B多项式[0 0 0 b11…b1n]
和[0 0 0 0 0 0 b21……b2n]
。nk
=(3 - 6)
和“IODelay”, 3
——这导致B多项式(b11……b1n]
和[0 0 0 b21…b2n]
。
输出参数
sys
- - - - - - ARX模型
idpoly
对象
ARX模型适合估计数据,作为一个离散时间返回idpoly
对象。这个模型是使用指定的模型创建的订单,延误,估计选项。
评估结果和信息存储在选择使用报告
模型的属性。报告
有以下字段。
报告字段 | 描述 | ||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
状态 |
总结模型的状态,这表明模型是由建设或是否得到评估。 |
||||||||||||||||||
方法 |
评估使用的命令。 |
||||||||||||||||||
InitialCondition |
处理初始条件在模型估计,返回以下值之一:
这个领域是特别有用的视图如何处理当初始条件 |
||||||||||||||||||
适合 |
定量评估的评估,作为一个结构返回。看到损失函数和模型质量的指标对这些质量标准的更多信息。结构有以下字段:
|
||||||||||||||||||
参数 |
估计模型参数的值。 |
||||||||||||||||||
OptionsUsed |
选项设置用于估计。如果没有配置自定义选项,这是一组缺省选项。看到 |
||||||||||||||||||
RandState |
的随机数流的估计。空的, |
||||||||||||||||||
DataUsed |
属性的数据用于估计,作为结构与以下字段返回。
|
使用的更多信息报告
,请参阅评估报告。
集成电路
——初始条件
initialCondition
|对象数组initialCondition
值
估计初始条件,作为一个返回initialCondition
对象或一个对象数组initialCondition
值。
实验数据集,
集成电路
代表,在状态空间形式,自由响应的传递函数模型(一个和C矩阵)估计初始状态(x0)。为综合实验室的数据集Ne实验中,
集成电路
是一个对象数组的长度吗Ne包含一组initialCondition
每个实验值。
有关更多信息,请参见initialCondition
。使用这个参数的一个示例,请参阅获得初始条件。
更多关于
ARX结构
名字代表的ARX模型自回归与额外的输入,因为与AR模型,ARX模型包括一个输入项。ARX也被称为自回归与外生变量外生变量是输入项。ARX模型结构是由以下方程:
的参数na和注的订单ARX模型,nk是延迟。
——输出时间
——极数
——数量的零
——发生在输入之前的输入样本数量影响输出,也叫了死时间在系统中
——以前的输出电流输出所依赖
——以前和延迟输入输出的电流所依赖
-白噪音干扰值
更紧凑的方式写的差分方程
问是延迟算子。具体地说,
ARIX模型
ARIX(自回归与额外的输入)集成模型是一个积分器ARX模型与在噪声信道。ARIX模型结构是由以下方程:
在哪里 噪声信道中的积分器,e(t)。
AR时间序列模型
对于时间序列数据不包含输入,一个输出,一个多项式阶na,该模型的基于“增大化现实”技术的结构秩序na。
AR(自回归)模型结构是由以下方程:
ARI模型
阿里(自回归综合)模型是一种基于“增大化现实”技术的模型和噪声通道的积分器。ARI模型结构是由以下方程:
对于多变量模型
对于多对多变量系统(味噌)ν输入,注和nk行向量的地方吗我th元素对应于相关的秩序和延迟我输入列向量u(t)。同样,的系数B多项式是行向量。然后ARX味噌结构由以下方程:
多输出模型
多对多输出系统,na
,注
,nk
为每个输出信号包含一行。
在多输出的情况下,arx
最小化跟踪预测误差的协方差矩阵,或规范
将此规范使用加权矩阵任意二次规范λ
使用下面的语法:
选择= arxOptions (OutputWeight,发票(λ))m = arx(数据、订单、选择)
初始条件
对于时域数据,信号转移这样无边无际的信号不需要预测。因此,不需要估计初始条件。
对于频域数据,它可能需要调整数据,支持循环卷积的初始条件。金宝app
设置“InitialCondition”
估计选项(见arxOptions
)下列值之一:
“零”
——没有调整“估计”
——执行调整数据支持循环卷积的初始条件金宝app“汽车”
——自动选择“零”
或“估计”
根据这些数据
算法
QR分解解决了超定的组构成的线性方程组的最小二乘估计问题。
没有正规化,ARX模型参数向量θ是正常估计通过求解方程
在哪里J回归量矩阵和吗y是测量的输出。因此,
使用正则化增加了正则化项
λ和R的正规化常数。正规化常数的更多信息,请参阅arxOptions
。
当大于回归矩阵最大尺寸
中指定的arxOptions
执行,数据分割和QR分解迭代的数据段。
版本历史
之前介绍过的R2006aApri esempio
如果dispone di una versione modificata di questo esempio。Desideri aprire questo esempio con le modifiche星期二吗?
第一MATLAB
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano金宝app comandi MATLAB。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。