时间序列分析
通过识别线性和非线性模型分析时间序列数据，包括AR、ARMA和状态空间模型；预测值
功能
应收账 |
对于标量时间序列，估计AR模型或ARI模型的参数 |
阿玛克斯 |
利用时域数据估计ARMAX、ARIMAX、ARMA或ARIMA模型的参数 |
阿克斯 |
ARX、ARIX、AR或ARI模型的估计参数 |
埃特菲 |
估计经验传递函数和周期图 |
温泉 |
使用频谱分析估计具有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估计频率响应和频谱 |
伊瓦尔 |
用辅助变量法估计AR模型 |
n4sid |
利用时域或频域数据的子空间方法估计状态空间模型 |
ssest |
利用时域或频域数据估计状态空间模型 |
质子交换膜 |
线性和非线性模型的预测误差估计 |
nlarx |
估计非线性ARX模型的参数 |
Ipoly |
具有可识别参数的多项式模型 |
智能决策支持系统 |
具有可辨识参数的状态空间模型 |
idnlarx |
非线性ARX模型 |
getpvec |
模型参数和相关不确定性数据 |
setpvec |
修改模型参数值 |
初始化 |
设置或随机化初始参数值 |
噪音2意味着 |
模型的噪声分量 |
arOptions |
选项集应收账 |
forecastOptions |
选项集预测 |
simOptions |
选项集模拟 |
示例和如何
如何在应用程序和命令行中估计时间序列数据的功率谱。
在命令行和应用程序中估计时间序列数据的多项式AR和ARMA模型。
这个例子展示了如何估计自回归综合移动平均或ARIMA模型。
如何在应用程序和命令行中估计时间序列数据的状态空间模型。
此示例演示如何模拟时间序列，并使用参数和非参数方法来估计和比较时间序列模型。
这个例子展示了如何分析时间序列模型。
此示例演示如何对时间序列数据执行谱估计。
使用线性和非线性模型预测时间序列数据和输入输出数据的工作流。
这个例子展示了如何执行多元时间序列预测的数据测量从捕食者和猎物拥挤的场景。
这个示例展示了如何创建时间序列模型，并使用该模型进行预测、预测和状态估计。
概念
特色实例
您还可以从以下列表中选择网站：
