残差的自相关分析
3视图(30天)
显示旧的评论
你好我是当前正在处理非线性模型和系统识别。在大学我的工具箱。我找到适合的数据和我的模型,
但是我不知道如何解释我的模型的残差的自相关,如下所示。他们似乎好了除了的范围
-10 / + 10个样本。你知道如何解释结果,这样我可以尝试改变他们?我试着不同的订单但是没有改变,只是形状
似乎稍微移动。
我认为这可能是由于数据本身。我是测量温度有一个大约4 / + 4°C,因为误差传感器。这可能是一个原因吗?这张图到底意味着什么?我这样解释:当看着大样本数量的+ 10我的模式是很好,但是如果我在附近,我的数据看,假设样本293及其5 / + 5 neigbours最近有一个相对大的测量误差。
0评论
接受的答案
拉吉夫·辛格
2019年7月31日
如果残留曲线(固体绿)定义的区域内点缀绿色线,表明残留任何信息是统计上微不足道的滞后。点缀绿色行定义一个99%的置信区域统计数据的渺小。
残差的落后0,因此高层强烈相关情节值t = 0时总是1。这不是一个问题。你可能有一个好的模型自残留与输入不相关。残差本身显示一些相关性小的滞后。这可能意味着残差是彩色的。如果捕获噪声的性质(即线性滤波器着色是一个白噪声干扰)是很重要的,选择一个模型结构的高阶噪声组件。例如,如果您正在使用一个ARX模型,您会考虑使用一个ARMAX模型,而选择一个足够大的值C的多项式方程的顺序(q) y (t) = B (q) u (t) + C (q) e (t)。