残差的自相关分析

3视图(30天)
尼尔斯·B
尼尔斯·B 2019年7月30日
评论道: 拉吉夫·辛格 2019年7月31日
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。
mat1.PNG

接受的答案

拉吉夫·辛格
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)。
2的评论
拉吉夫·辛格
拉吉夫·辛格 2019年7月31日
我的意思剩余有色噪声。有色噪声是由一个线性滤波器通常称为白噪声过滤噪声组件识别模型的识别文学。

登录置评。

更多的答案(0)

类别

找到更多的在线性模型识别帮助中心文件交换

下载188bet金宝搏


释放

R2018a

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!