selstruc

为单输出ARX模型选择模型顺序

折叠所有页面

语法

nn = selstruc (v)[nn, vmod] = selstruc (v, c)

请注意

使用selstruc仅用于单输出系统。selstruc金宝app支持单输入和多输入系统。

selstruc函数是否帮助从矩阵中包含的信息中选择模型结构(顺序)v作为输出从arxstruc或ivstruc．

的默认值c是“阴谋”．图中显示了输出方差的百分比，该百分比未被模型解释为使用的参数数量的函数。每个值都显示了最适合这个数量的参数。通过在图中单击，您可以检查哪些订单是感兴趣的。当你点击选择,变量神经网络导出到工作区，作为您选择的参数数量的最佳模型结构。可以做出几种选择。

c =“另类投资会议”不求情节，但求回报神经网络最小化的结构

$\begin{matrix} V_{国防部} ＝日志（ V （ 1 + \frac{2 d}{N} ）） \\ ＝日志（ V ） + \frac{2 d}{N} ， N ≫ d \end{matrix}$

在哪里V为损失函数，d结构中参数的总数是多少N为用于估计的数据点的个数。 $日志（ V ） + \frac{2 d}{N}$ 是赤池的信息标准(AIC)。看到另类投资会议为更多的细节。

c = ' mdl '回报神经网络最小化Rissanen最小描述长度(MDL)准则的结构。

$V_{国防部} ＝ V （ 1 + \frac{d 日志（ N ）}{N} ）$

当c等于一个数值，即最小化的结构 $V_{国防部} ＝ V （ 1 + \frac{c d}{N} ）$

被选中。

输出参数vmod有相同的格式v，但它包含相应修改后的标准的对数。

打开生活的脚本

创建估计和验证数据集

负载iddata1；泽= z1 (1:15);zv = z1 (151:300);

为估计生成模型顺序组合，指定模型顺序和延迟的范围。

NN = struc (1:2, 1:3 2:4);

利用工具变量法估计ARX模型，计算每个模型阶组合的损失函数。

V = ivstruc(泽、zv NN);

选择最适合验证数据的模型顺序。

订单= selstruc (V, 0);

估计一个选定顺序的ARX模型。

M = iv4(泽、订单);

打开生活的脚本

创建估计和验证数据集。

负载co2data；t = 0.5;%采样时间0.5 min泽= iddata (Output_exp1 Input_exp1, Ts);zv = iddata (Output_exp2 Input_exp2, Ts);

生成模型顺序组合:

NN = strc (2:4,2:5，[1 4]，1:4,0);

估计每个模型订单组合的ARX模型。

V = arxstruc(泽、zv NN);

选择最适合验证数据的模型顺序。

订单= selstruc (V, 0);

估计一个选定顺序的ARX模型。

M = arx(泽、订单);

之前介绍过的R2006a