一个时间序列是包含一个或多个测量输出通道但没有测量输入的数据。时间序列模型,也称为信号模型,是一个动态系统,被识别为适合给定信号或时间序列数据。时间序列可以是多变量的,这会导致多变量模型。您可以在中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-使用频谱分析估计频谱模型。
非线性ARX模型-估计非线性ARX结构中的参数。
灰箱模型-估计代表系统动力学的常微分或差分方程的系数。
参数时间序列模型识别需要均匀采样的时域数据,而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。万博1manbetx您的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?
您可以在命令行、应用程序或Simulink中使用已识别的模型预测模型输出万博1manbetx®.在命令行中,您还可以预测超出测量数据时间范围的模型输出。
模拟一个时间序列,使用参数和非参数方法来估计和比较时间序列模型。
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。
估计自回归综合移动平均(ARIMA)模型。
在命令行估计时间序列数据的状态空间模型。
在命令行和应用程序中估计时间序列数据的功率谱。
使用线性和非线性灰箱模型估计模型参数。
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。
创建时间序列模型,并将该模型用于预测、预测和状态估计。
理解使用线性和非线性模型预测数据的概念。