主要内容

时间序列分析

通过识别线性和非线性模型(如AR, ARMA,状态空间和灰盒模型),执行光谱分析和预测模型输出,分析时间序列数据

一个时间序列包含一个或多个测量输出通道但不包含测量输入的数据。时间序列模型,也称为信号模型,是为拟合给定信号或时间序列数据而确定的动态系统。时间序列可以是多元的,这就导致了多元模型。中可以识别时间序列模型系统识别应用程序或命令行。系统识别工具箱™使您能够创建和估计四种一般类型的时间序列模型。

  • 线性参数模型-估计结构中的参数,如自回归模型和状态空间模型。

  • 频率响应模型。使用光谱分析估计光谱模型

  • 非线性ARX模型-估计非线性ARX结构中的参数。

  • 灰盒模型-估计代表系统动态的常微分方程或差分方程的系数。

参数时间序列模型识别需要统一采样的时域数据,除了ARX模型可以处理频域信号。频谱分析算法支持时域和频域数据。数据可以有一个或多个输出通道,但必须没有输入通道。有关时间序列模型的更多信息,请参见什么是时间序列模型?

您可以使用已识别的模型在命令行、应用程序或Simulink中预测模型输出®.在命令行上,您还可以预测超出测量数据时间范围的模型输出。

功能

全部展开

基于“增大化现实”技术 在识别标量时间序列的AR模型或ARI模型时估计参数
arOptions 选项集基于“增大化现实”技术
arx 估计ARX, ARIX, AR或ARI模型的参数
armax 利用时域数据估计ARMAX、ARMAX、ARMA或ARIMA模型的参数
ivar 用工具变量法估计AR模型
党卫军 使用时域或频域数据估计状态空间模型
n4sid 利用时域或频域数据,用子空间方法估计状态空间模型
水疗中心 使用频谱分析估算固定频率分辨率的频率响应
spafdr 使用频率相关分辨率的频谱分析来估计频率响应和频谱
etfe 估计经验传递函数和周期图
nlarx 非线性ARX模型参数估计
感动的 线性灰盒模型估计
nlgreyest 估计非线性灰盒模型参数
idpoly 具有可识别参数的多项式模型
中的难点 具有可识别参数的状态空间模型
idfrd 频响数据或模型
idnlarx 非线性ARX模型
idgrey 具有可识别参数的线性ODE(灰盒模型)
idnlgrey 非线性灰盒模型
光谱 绘制时间序列模型的输出功率谱或线性输入输出模型的扰动谱
预测 预测识别模型输出
预测 预测已识别的k型步进输出

主题

关于时间序列模型

估计模型

预测模型产量

Baidu
map