nlarxgydF4y2Ba
估计参数的非线性ARX模型gydF4y2Ba
语法gydF4y2Ba
描述gydF4y2Ba
估计新的非线性ARX模型gydF4y2Ba
估计非线性ARX模型适合给定的估计数据gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba数据gydF4y2Ba
,gydF4y2Ba订单gydF4y2Ba
)gydF4y2Ba数据gydF4y2Ba
使用指定的ARX模型的命令gydF4y2Ba订单gydF4y2Ba
和默认的小波网络输出功能。gydF4y2Ba
数据gydF4y2Ba
能的形式吗gydF4y2Ba时间表gydF4y2Ba
逗号分隔的数字矩阵,一个数字矩阵,或一个gydF4y2BaiddatagydF4y2Ba
对象。如果gydF4y2Ba数据gydF4y2Ba
是一个时间表,您可以选择特定的输入和输出通道用于估计通过指定的通道名称gydF4y2BaInputNamegydF4y2Ba
和gydF4y2BaOutputNamegydF4y2Ba
名称-值参数。gydF4y2Ba
使用这个语法扩展一个线性ARX模型时,或当你使用唯一的解释变量与连续线性滞后。gydF4y2Ba
使用指定的回归量估计非线性ARX模型集gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba数据gydF4y2Ba
,gydF4y2Ba解释变量gydF4y2Ba
)gydF4y2Ba解释变量gydF4y2Ba
。gydF4y2Ba
使用这个语法nonconsecutive滞后线性解释变量时,或者当你也有多项式解释变量的任意组合,周期性的解释变量,和自定义解释变量。gydF4y2Ba
当你使用gydF4y2Ba解释变量gydF4y2Ba
估计MIMO系统和型式gydF4y2Ba数据gydF4y2Ba
是一个时间表,您还必须指定的输出变量gydF4y2BaOutputNamegydF4y2Ba
名称-值参数。gydF4y2Ba
指定的输出函数,将解释变量映射到模型的输出。您可以使用该语法与任何以前的输入参数组合。gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba___gydF4y2Ba,gydF4y2Baoutput_fcngydF4y2Ba
)gydF4y2Ba
扩展现有的线性模型gydF4y2Ba
使用一个线性ARX模型gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba数据gydF4y2Ba
,gydF4y2BalinmodelgydF4y2Ba
)gydF4y2BalinmodelgydF4y2Ba
指定模型订单和初始值的线性模型的系数。gydF4y2Ba
当你想使用这个语法创建一个非线性ARX模型的扩展,或改进,现有的线性模型。gydF4y2Ba
当你使用这种语法,软件初始化抵消价值gydF4y2Ba0gydF4y2Ba
。在某些情况下,您可以提高评估结果通过重写这个初始化命令gydF4y2Basys.OutputFcn.Offset。值=南gydF4y2Ba
。gydF4y2Ba
指定使用的输出函数模型估计。gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba数据gydF4y2Ba
,gydF4y2BalinmodelgydF4y2Ba
,gydF4y2Baoutput_fcngydF4y2Ba
)gydF4y2Ba
完善现有的非线性ARX模型gydF4y2Ba
估计或改进非线性ARX模型的参数gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba数据gydF4y2Ba
,gydF4y2Basys0gydF4y2Ba
)gydF4y2Basys0gydF4y2Ba
。gydF4y2Ba
使用这个语法:gydF4y2Ba
模型的参数估计以前创建的使用gydF4y2Ba
idnlarxgydF4y2Ba
构造函数。估计之前,你可以使用点符号配置模型属性。gydF4y2Ba更新之前估计模型的参数来改进适合评估数据。在这种情况下,使用的参数估计算法gydF4y2Ba
sys0gydF4y2Ba
作为初始猜测。gydF4y2Ba
指定附加选项gydF4y2Ba
指定模型评估额外的配置选项。gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba___gydF4y2Ba,gydF4y2Ba选项gydF4y2Ba
)gydF4y2Ba
使用额外的模型选项指定一个或多个名称参数。例如,指定输入和输出信号对应的变量名与变量使用从MIMO时间表数据使用gydF4y2BasysgydF4y2Ba
= nlarx (gydF4y2Ba___gydF4y2Ba,gydF4y2Ba名称,值gydF4y2Ba
)gydF4y2Basys = nlarx(数据、解释“InputName”,“u1”、“u3”,“OutputName”,(“日元”、“y4))gydF4y2Ba
。gydF4y2Ba
例子gydF4y2Ba
估计非线性ARX模型gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2BatwotankdatagydF4y2Ba;gydF4y2Ba
创建一个gydF4y2BaiddatagydF4y2Ba
对象的评估数据和样本时间0.2秒。gydF4y2Ba
t = 0.2;z = iddata (y, u, Ts);gydF4y2Ba
估计非线性ARX模型利用ARX模型订单指定解释变量。gydF4y2Ba
sysNL = nlarx (z, [4 4 1])gydF4y2Ba
sysNL =非线性ARX模型与输入1输出和输入:u1输出:y1解释变量:线性解释变量y₁, u1输出功能:小波网络有11个单元样品时间:0.2秒状态:估计使用NLARX时域数据“z”。适合估算数据:96.84%(预测聚焦)消防工程:3.482 e-05, MSE: 3.431 e-05模型的“报告”属性的更多信息。gydF4y2Ba
sysgydF4y2Ba
使用默认的gydF4y2BaidWaveletNetworkgydF4y2Ba
函数和输出函数。gydF4y2Ba
相比之下,计算一个线性ARX模型与订单相同的模型。gydF4y2Ba
sysL = arx (z, (4 4 1));gydF4y2Ba
模型输出与原始数据进行比较。gydF4y2Ba
比较(z, sysNL sysL)gydF4y2Ba
非线性模型具有更好的适合比线性模型的数据。gydF4y2Ba
使用线性回归量集估计非线性ARX模型gydF4y2Ba
指定一个线性回归量相当于一个ARX模型矩阵的顺序gydF4y2Ba(4 4 1)gydF4y2Ba
。gydF4y2Ba
订单的矩阵gydF4y2Ba(4 4 1)gydF4y2Ba
指定输入和输出回归量集包含四个解释变量滞后从1到4。例如,gydF4y2Ba
代表第二个输入回归量。gydF4y2Ba
指定输出和输入的名字。gydF4y2Ba
output_name =gydF4y2Ba“日元”gydF4y2Ba;input_name =gydF4y2Ba‘u1’gydF4y2Ba;名称= {output_name, input_name};gydF4y2Ba
指定输出和输入滞后。gydF4y2Ba
output_lag = (1 2 3 4);input_lag = (1 2 3 4);滞后= {output_lag, input_lag};gydF4y2Ba
创建线性回归量对象。gydF4y2Ba
lreg = linearRegressor(名称、滞后)gydF4y2Ba
lreg =线性解释变量y₁, u1变量:{“日元”的u1}滞后:{(1 2 3 4)(1 2 3 4)}UseAbsolute: [0 0] TimeVariable:“t”由这组解释变量描述gydF4y2Ba
负载评估数据和创建一个iddata对象。gydF4y2Ba
负载gydF4y2BatwotankdatagydF4y2Baz = iddata (y、u, 0.2);gydF4y2Ba
估计非线性ARX模型。gydF4y2Ba
sys = nlarx (z, lreg)gydF4y2Ba
sys =非线性ARX模型与输入1输出和输入:u1输出:y1解释变量:线性解释变量y₁, u1输出功能:小波网络有11个单元样品时间:0.2秒状态:估计使用NLARX时域数据“z”。适合估算数据:96.84%(预测聚焦)消防工程:3.482 e-05, MSE: 3.431 e-05模型的“报告”属性的更多信息。gydF4y2Ba
查看解释变量gydF4y2Ba
getreg(系统)gydF4y2Ba
ans =gydF4y2Ba8 x1细胞gydF4y2Ba{y1 (t - 1)的}{‘y1 (2)} {y1(条t - 3)的}{y1(第四节)的}{u1 (t - 1)的}{的u1 (2)} {u1(条t - 3)的}{}“u1(第四节)”gydF4y2Ba
比较评估的模型输出数据。gydF4y2Ba
比较(z, sys)gydF4y2Ba
从时间序列数据估计非线性ARX模型gydF4y2Ba
创建时间和数据数组。gydF4y2Ba
dt = 0.01;t = 0: dt: 10;y = 10 * sin(2 *π* t) +兰德(大小(t));gydF4y2Ba
创建一个gydF4y2BaiddatagydF4y2Ba
在没有输入信号的情况下,对象指定。gydF4y2Ba
z = iddata (y ', [], dt);gydF4y2Ba
估计非线性ARX模型。gydF4y2Ba
sys = nlarx (z, 2)gydF4y2Ba
sys =非线性时间序列模型输出:y1解释变量:线性解释变量y₁输出功能:小波网络与8单位样品时间:0.01秒状态:估计使用NLARX时域数据“z”。适合估算数据:92.92%(预测聚焦)消防工程:0.2568,MSE: 0.2507在模型的“报告”属性的更多信息。gydF4y2Ba
指定和定制输出函数gydF4y2Ba
估计一个非线性ARX模型,使用映射函数gydF4y2BaidSigmoidNetworkgydF4y2Ba
作为其输出函数。gydF4y2Ba
数据并将其加载到评估和验证数据集gydF4y2Ba泽gydF4y2Ba
和gydF4y2BazvgydF4y2Ba
。gydF4y2Ba
负载gydF4y2Batwotankdata.matgydF4y2BaugydF4y2BaygydF4y2Baz = iddata (y、u,gydF4y2Ba“t”gydF4y2Ba,0.2);泽= z (1:1500);zv z =(1501:结束);gydF4y2Ba
配置gydF4y2BaidSigmoidNetworkgydF4y2Ba
映射函数。修复抵消0.2和15的数量单位。gydF4y2Ba
s = idSigmoidNetwork;s.Offset。价值=0。2;年代,NonlinearFcn。NumberOfUnits = 15;
创建一个包含四个输出的线性模型回归量规范解释变量和五个解释变量输入。gydF4y2Ba
reg1 = linearRegressor ({gydF4y2Ba“日元”gydF4y2Ba,gydF4y2Ba‘u1’gydF4y2Ba},{1:4,0:4});gydF4y2Ba
创建一个多项式模型回归量规范,包含两个输出条件的广场和三个输入条件。gydF4y2Ba
reg2 = polynomialRegressor ({gydF4y2Ba“日元”gydF4y2Ba,gydF4y2Ba‘u1’gydF4y2Ba},{1:2 0:2}2);gydF4y2Ba
设置评估选项的搜索方法和最大迭代次数。gydF4y2Ba
选择= nlarxOptions (gydF4y2Ba“SearchMethod”gydF4y2Ba,gydF4y2Ba“fmincon”gydF4y2Ba)”;opt.SearchOptions。MaxIterations = 40;gydF4y2Ba
估计非线性ARX模型。gydF4y2Ba
sys = nlarx(泽,[reg1; reg2],年代,选择);gydF4y2Ba
验证gydF4y2BasysgydF4y2Ba
通过对比模拟模型对验证数据集。gydF4y2Ba
比较(zv sys)gydF4y2Ba
添加输出函数来扩展和改进线性模型gydF4y2Ba
估计线性模型,提高模型通过添加一个gydF4y2BaidTreePartitiongydF4y2Ba
输出函数。gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2BathrottledatagydF4y2BaThrottleDatagydF4y2Ba
估计线性ARX模型gydF4y2BalinsysgydF4y2Ba
与订单gydF4y2Ba(2 2 1)gydF4y2Ba
。gydF4y2Ba
linsys = arx (ThrottleData [2 2 1]);gydF4y2Ba
创建一个gydF4y2BaidnlarxgydF4y2Ba
模板模型,使用gydF4y2BalinsysgydF4y2Ba
并指定gydF4y2BaidTreePartitiongydF4y2Ba
作为输出函数。gydF4y2Ba
sys0 = idnlarx (linsys idTreePartition);gydF4y2Ba
修正的线性组件gydF4y2Basys0gydF4y2Ba
所以,在估计,线性部分gydF4y2Basys0gydF4y2Ba
仍然是相同的gydF4y2BalinsysgydF4y2Ba
。设置偏移量组件值gydF4y2Ba南gydF4y2Ba
。gydF4y2Ba
sys0.OutputFcn.LinearFcn。自由= false;sys0.OutputFcn.Offset。值=南;gydF4y2Ba
估计的自由参数gydF4y2Basys0gydF4y2Ba
,这是非线性函数参数和偏移量。gydF4y2Ba
sys = nlarx (ThrottleData sys0);gydF4y2Ba
比较适合精度的线性和非线性模型。gydF4y2Ba
比较(ThrottleData linsys sys)gydF4y2Ba
估计非线性ARX模型使用自定义网络映射对象gydF4y2Ba
生成一个自定义的网络映射对象需要一个用户定义的单元函数的定义。gydF4y2Ba
定义单元功能并将其保存gydF4y2Bagaussunit.mgydF4y2Ba
。gydF4y2Ba
函数gydF4y2Ba[f, g, a] = gaussunit (x)gydF4y2Ba%定义单元非线性函数。gydF4y2Ba%gydF4y2Ba% 2015年版权MathWorks公司。gydF4y2Baf = exp (x - x . *);gydF4y2Ba如果gydF4y2Banargout > 1 g = 2 * x。* f;一个= 0.2;gydF4y2Ba结束gydF4y2Ba
创建一个定制的网络使用句柄映射对象gydF4y2BagaussunitgydF4y2Ba
函数。gydF4y2Ba
H = @gaussunit;CNet = idCustomNetwork (H);gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2Baiddata1gydF4y2Ba
使用自定义网络估计非线性ARX模型。gydF4y2Ba
sys = nlarx (z1, [1 2 1], CNet)gydF4y2Ba
sys = < >强非线性ARX模型与1输出和输入< /强>输入:u1输出:y1解释变量:线性解释变量y₁, u1输出功能:自定义网络10单位和“gaussunit”单位函数样本时间:0.1秒状态:终止条件:最大迭代次数达到. .迭代次数:20、功能评估:613估计使用NLARX时域数据“z1”。适合估算数据:64.35%(预测聚焦)消防工程:3.58,MSE: 2.465在模型的“报告”属性的更多信息。gydF4y2Ba
估计MIMO非线性ARX模型gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2BamotorizedcameragydF4y2Ba;gydF4y2Ba
创建一个gydF4y2BaiddatagydF4y2Ba
对象。gydF4y2Ba
z = iddata (y, u, 0.02,gydF4y2Ba“名字”gydF4y2Ba,gydF4y2Ba“机动相机”gydF4y2Ba,gydF4y2Ba“TimeUnit”gydF4y2Ba,gydF4y2Ba“年代”gydF4y2Ba);gydF4y2Ba
zgydF4y2Ba
是一个gydF4y2BaiddatagydF4y2Ba
对象有六个输入和两个输出。gydF4y2Ba
指定模型的命令。gydF4y2Ba
订单=[(2,2),2 * 1(2,6)的(2,6)];gydF4y2Ba
指定不同的映射函数对每一个输出通道。gydF4y2Ba
问= [idWaveletNetwork (2), idLinear];gydF4y2Ba
估计非线性ARX模型。gydF4y2Ba
sys = nlarx (z,订单,问)gydF4y2Ba
sys =非线性ARX模型与2输出和6输入输入:u1, u2, u3,愉快,u5, u6输出:y1, y2解释变量:线性解释变量y1, y2, u1, u2, u3,愉快,u5, u6输出功能:输出1:小波网络和2单元2:输出线性与抵消样品时间:0.02秒状态:终止条件:最大迭代次数达到. .迭代次数:20、功能评估:710估计使用NLARX时域数据“机动相机”。适合估算数据:[98.82,98.77]%(预测聚焦)消防工程:0.4839,MSE: 0.9762在模型的“报告”属性的更多信息。gydF4y2Ba
估计MIMO非线性ARX模型与相同的映射函数对所有输出gydF4y2Ba
负荷估算数据并创建一个gydF4y2BaiddatagydF4y2Ba
对象gydF4y2BazgydF4y2Ba
。gydF4y2BazgydF4y2Ba
包含两个输出通道和六个输入通道。gydF4y2Ba
负载gydF4y2BamotorizedcameragydF4y2Ba;z = iddata (y、u, 0.02);gydF4y2Ba
指定一组线性解释变量使用的输出和输入名称gydF4y2BazgydF4y2Ba
,包含:gydF4y2Ba
2解释变量与输出1滞后。gydF4y2Ba
6输入回归量对1和2落后。gydF4y2Ba
名称= [z.OutputName;z.InputName];滞后= {1 1 [1,2],[1,2],[1,2],[1,2],[1,2],[1,2]};reg = linearRegressor(名称、滞后);gydF4y2Ba
估计一个非线性ARX模型使用一个gydF4y2BaidSigmoidNetworkgydF4y2Ba
对所有输出通道映射函数有四个单元。gydF4y2Ba
sys = nlarx (z, reg, idSigmoidNetwork (4))gydF4y2Ba
sys =非线性ARX模型与2输出和6输入输入:u1, u2, u3,愉快,u5, u6输出:y1, y2解释变量:线性解释变量y1, y2, u1, u2, u3,愉快,u5, u6输出功能:输出1:乙状结肠网络4单元输出2:乙状结肠网络4单元样品时间:0.02秒状态:终止条件:最大迭代次数达到. .迭代次数:20、功能评估:177年预估使用NLARX时域数据“z”。适合估算数据:[98.86,98.79]%(预测聚焦)消防工程:2.641,MSE: 0.9233在模型的“报告”属性的更多信息。gydF4y2Ba
指定线性、多项式和自定义解释变量gydF4y2Ba
负荷估算数据gydF4y2Baz1gydF4y2Ba
有一个输入和一个输出,并获得输出和输入的名字。gydF4y2Ba
负载gydF4y2Baiddata1gydF4y2Baz1gydF4y2Ba;= (z1名字。OutputNamez1。InputName]
名称=gydF4y2Ba1 x2单元格gydF4y2Ba{“日元”}{u1的}gydF4y2Ba
指定gydF4y2BalgydF4y2Ba
作为线性解释变量表示的集合gydF4y2Ba
,gydF4y2Ba
,gydF4y2Ba
。gydF4y2Ba
L = linearRegressor(名字,{1,2 [5]});gydF4y2Ba
指定gydF4y2BaPgydF4y2Ba
随着多项式回归量gydF4y2Ba
。gydF4y2Ba
P = polynomialRegressor(名称(1),1,2);gydF4y2Ba
指定gydF4y2BaCgydF4y2Ba
作为定制的回归量gydF4y2Ba
。使用一个匿名函数处理来定义这个函数。gydF4y2Ba
C = customRegressor(名称、{2 3}@ x (x, y)。* y)gydF4y2Ba
C =定制的回归量:日元(2)。* u1(条t - 3) VariablesToRegressorFcn: @ x (x, y)。* y变量:{“日元”的u1}滞后:{[2][3]}矢量化:1 TimeVariable:“t”由这组解释变量描述gydF4y2Ba
结合解释变量的列向量gydF4y2BaRgydF4y2Ba
。gydF4y2Ba
R = [L; P C]gydF4y2Ba
1 R =[3]数组linearRegressor, polynomialRegressor customRegressor对象。- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 1。线性解释变量y₁, u1变量:{“日元”的u1}滞后:{[1][2 - 5]}UseAbsolute: [0 0] TimeVariable:“t”- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 2。订单2解释变量y₁订单:2变量:{“日元”}滞后:{[1]}UseAbsolute: 0 AllowVariableMix: 0 AllowLagMix: 0 TimeVariable:“t”- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 3所示。定制的回归量:y1 (2)。* u1(条t - 3) VariablesToRegressorFcn: @ x (x, y)。* y变量:{“日元”的u1}滞后:{[2][3]}矢量化:1 TimeVariable:“t”由这组解释变量描述gydF4y2Ba
估计非线性ARX模型gydF4y2BaRgydF4y2Ba
。gydF4y2Ba
sys = nlarx (z1, R)gydF4y2Ba
sys =非线性ARX模型与输入1输出和输入:u1输出:y1解释:1。线性解释变量y₁, u1 2。订单2解释变量y₁3。定制的回归量:y1 (2)。* u1(条t - 3)输出函数:小波网络1单位示例时间:0.1秒状态:估计使用NLARX时域数据“z1”。适合估算数据:59.73%(预测聚焦)消防工程:3.356,MSE: 3.147在模型的“报告”属性的更多信息。gydF4y2Ba
查看完整的回归量集。gydF4y2Ba
getreg(系统)gydF4y2Ba
ans =gydF4y2Ba5 x1细胞gydF4y2Ba{y1 (t - 1)的}{的u1(2)}{的u1 (t-5)} {y1 (t - 1) ^ 2的}{y1 (2)。* u1(条t - 3)}gydF4y2Ba
估计非线性ARX模型没有线性项的输出函数gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2Baiddata1gydF4y2Ba;gydF4y2Ba
创建一个s形的网络映射对象与10个单位,没有线性项。gydF4y2Ba
SN = idSigmoidNetwork(10、假);gydF4y2Ba
估计非线性ARX模型。确认模型不使用线性函数。gydF4y2Ba
sys = nlarx (z1、(2 2 1)、锡);sys.OutputFcn.LinearFcn.UsegydF4y2Ba
ans =gydF4y2Ba逻辑gydF4y2Ba0gydF4y2Ba
非线性和线性ARX订单指定使用线性ARX模型参数gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2BathrottledatagydF4y2Ba;gydF4y2Ba
去趋势数据。gydF4y2Ba
Tr = getTrend (ThrottleData);Tr.OutputOffset = 15;DetrendedData =去趋势(ThrottleData、Tr);gydF4y2Ba
估计线性ARX模型。gydF4y2Ba
LinearModel = arx (DetrendedData [2 1 1]);gydF4y2Ba
使用线性模型估计非线性ARX模型。模型的订单、延迟和线性参数gydF4y2BaNonlinearModelgydF4y2Ba
来自gydF4y2BaLinearModelgydF4y2Ba
。gydF4y2Ba
NonlinearModel = nlarx (ThrottleData LinearModel)gydF4y2Ba
NonlinearModel =非线性ARX模型与输入1输出和输入:步骤命令输出:节流阀位置解释变量:线性解释变量节流阀位置,命令输出函数步:小波网络与7单位样品时间:0.01秒状态:估计使用NLARX时域数据“ThrottleData”。适合估算数据:99.03%(预测聚焦)消防工程:0.1127,MSE: 0.1039在模型的“报告”属性的更多信息。gydF4y2Ba
估计使用构造非线性ARX模型gydF4y2BaidnlarxgydF4y2Ba
对象gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2Baiddata1gydF4y2Ba;gydF4y2Ba
创建一个gydF4y2BaidnlarxgydF4y2Ba
模型。gydF4y2Ba
sys = idnlarx ([2 2 1]);gydF4y2Ba
配置模型使用点符号:gydF4y2Ba
使用一个s形的网络映射对象。gydF4y2Ba
分配一个名称。gydF4y2Ba
sys。Nonlinearity =“idSigmoidNetwork”gydF4y2Ba;sys。的名字=gydF4y2Ba“模式1”gydF4y2Ba;gydF4y2Ba
估计的非线性ARX模型结构和属性中指定的gydF4y2BaidnlarxgydF4y2Ba
对象。gydF4y2Ba
sys sys = nlarx (z1)gydF4y2Ba
sys =非线性ARX模型与输入1输出和输入:u1输出:y1解释变量:线性解释变量y₁, u1输出功能:乙状结肠网络与10单位名称:模型1样品时间:0.1秒状态:终止条件:最大迭代次数达到. .迭代次数:20、功能评估:353估计使用NLARX时域数据“z1”。适合估算数据:69.03%(预测聚焦)消防工程:2.918,MSE: 1.86在模型的“报告”属性的更多信息。gydF4y2Ba
估计非线性ARX模型,避免局部最小值gydF4y2Ba
如果一个估计停止在一个局部最小值时,可以扰乱模型使用gydF4y2Ba初始化gydF4y2Ba
和重新评估模型。gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2Baiddata1gydF4y2Ba;gydF4y2Ba
估计初始的非线性模型。gydF4y2Ba
sys1 = nlarx (z1 (4 2 1),gydF4y2Ba“idSigmoidNetwork”gydF4y2Ba);gydF4y2Ba
随机扰动模型参数,以避免局部最小值。gydF4y2Ba
sys2 = init (sys1);gydF4y2Ba
估计新的非线性模型摄动值。gydF4y2Ba
sys2 = nlarx (z1, sys1);gydF4y2Ba
估计非线性ARX模型使用特定选项gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2BatwotankdatagydF4y2Ba;gydF4y2Ba
创建一个gydF4y2BaiddatagydF4y2Ba
对象的评估数据。gydF4y2Ba
z = iddata (y、u, 0.2);gydF4y2Ba
创建一个gydF4y2BanlarxOptionsgydF4y2Ba
选项设置指定模拟误差最小化的目标,最高10估计迭代。gydF4y2Ba
选择= nlarxOptions;opt.Focus =gydF4y2Ba“模拟”gydF4y2Ba;opt.SearchOptions。MaxIterations = 10;gydF4y2Ba
估计非线性ARX模型。gydF4y2Ba
sys = nlarx (z, (4 4 1) idSigmoidNetwork(3),选择)gydF4y2Ba
sys =非线性ARX模型与输入1输出和输入:u1输出:y1解释变量:线性解释变量y₁, u1输出功能:乙状结肠网络与3单位样品时间:0.2秒状态:终止条件:最大迭代次数达到. .迭代次数:10、功能评估:114年预估使用NLARX时域数据“z”。适合估算数据:85.86%(模拟聚焦)消防工程:3.791 e-05, MSE: 0.0006853在模型的“报告”属性的更多信息。gydF4y2Ba
估计正规化非线性ARX模型与大量的单位gydF4y2Ba
加载正规化示例数据。gydF4y2Ba
负载gydF4y2BaregularizationExampleData.matgydF4y2BanldatagydF4y2Ba;gydF4y2Ba
创建一个gydF4y2BaidSigmoidnetworkgydF4y2Ba
与30单位和指定模型映射对象的命令。gydF4y2Ba
莫= idSigmoidNetwork (30);订单= (1 2 1);gydF4y2Ba
创建一个估计选项设置和设置评估搜索方法gydF4y2BalmgydF4y2Ba
。gydF4y2Ba
选择= nlarxOptions (gydF4y2Ba“SearchMethod”gydF4y2Ba,gydF4y2Ba“lm”gydF4y2Ba);gydF4y2Ba
估计一个unregularized模型。gydF4y2Ba
sys = nlarx (nldata、订单、钼,选择);gydF4y2Ba
配置正规化gydF4y2BaλgydF4y2Ba
参数。gydF4y2Ba
opt.Regularization。λ= 1 e-8;gydF4y2Ba
估计一个正规化的模型。gydF4y2Ba
sysR = nlarx (nldata、订单、钼,选择);gydF4y2Ba
比较两个模型。gydF4y2Ba
比较(nldata sys sysR)gydF4y2Ba
大消极适应unregularized模型的结果表明适合的数据。估计一个正规化的模型产生一个更好的结果。gydF4y2Ba
使用最优估计非线性ARX模型解释变量的子集gydF4y2Ba
负荷估算数据。gydF4y2Ba
负载gydF4y2BatwotankdatagydF4y2BaygydF4y2BaugydF4y2Ba
创建一个gydF4y2BaiddatagydF4y2Ba
对象的数据。使用的第一个1000个样本估计剩下的样品进行验证。gydF4y2Ba
t = 0.2;z = iddata (y, u, Ts);泽= z (1:1000);zv z =(1001:结束);gydF4y2Ba
创建一个gydF4y2BanlarxOptionsgydF4y2Ba
选项。指定一个模拟误差最小化的目标,gydF4y2Ba“lm”gydF4y2Ba
最小二乘搜索,最多10估计迭代。在估计显示进展。gydF4y2Ba
选择= nlarxOptions (gydF4y2Ba“焦点”gydF4y2Ba,gydF4y2Ba“模拟”gydF4y2Ba,gydF4y2Ba“SearchMethod”gydF4y2Ba,gydF4y2Ba“lm”gydF4y2Ba,gydF4y2Ba“显示”gydF4y2Ba,gydF4y2Ba“上”gydF4y2Ba);opt.SearchOptions。MaxIterations = 10;gydF4y2Ba
估计一个非线性ARX模型,利用ARX模型指定解释变量和一个命令gydF4y2BaidSigmoidNetworkgydF4y2Ba
映射函数。模型使用所有候选人的解释。要查看回归量使用信息,在MATLAB®命令提示符,输入gydF4y2Basys.RegressorUsagegydF4y2Ba
。gydF4y2Ba
订单= [8 8 1];outputFcn = idSigmoidNetwork;sys = nlarx(泽、订单、outputFcn,选择);allRegressors = getreg(系统);gydF4y2Ba
Sparsify模型(减少使用的解释变量)使用gydF4y2Ba“σ”gydF4y2Ba
衡量。gydF4y2Ba
opt.SearchOptions。MaxIterations = 20;opt.SparsifyRegressors = true;opt.SparsificationOptions。MaxIterations = 10;opt.SparsificationOptions。λ= 2;sysr1 = nlarx (sys周泽选择);T = sysr1.RegressorUsage;inUse =任何(T {:,:}, 2);流(gydF4y2Ba解释变量的使用:% s \ n”gydF4y2Ba其中,strjoin (allRegressors (inUse),gydF4y2Ba”、“gydF4y2Ba))gydF4y2Ba
解释变量的使用:日元(t - 1), y1 (t-5), u1 (2) u1(条t - 3), u1(第四节),u1 (t-7), u1 (t-8)gydF4y2Ba
Sparsify模型再次使用gydF4y2Ba“l1”gydF4y2Ba
衡量。gydF4y2Ba
opt.SparsificationOptions。SparsityMeasure =gydF4y2Ba“l1”gydF4y2Ba;opt.SparsificationOptions。λ= 2.2;sysr2 = nlarx (sys周泽选择);T = sysr2.RegressorUsage;inUse =任何(T {:,:}, 2);流(gydF4y2Ba解释变量的使用:% s \ n”gydF4y2Ba其中,strjoin (allRegressors (inUse),gydF4y2Ba”、“gydF4y2Ba))gydF4y2Ba
解释变量的使用:日元(t - 1), y1 (t-5), u1 (2) u1(条t - 3), u1(第四节),u1 (t-6), u1 (t-7), u1 (t-8)gydF4y2Ba
Sparsify模型再次使用gydF4y2Ba“10”gydF4y2Ba
衡量。gydF4y2Ba
opt.SparsificationOptions。SparsityMeasure =gydF4y2Ba“10”gydF4y2Ba;opt.SparsificationOptions。λ= 2.2;sysr3 = nlarx (sys周泽选择);T = sysr3.RegressorUsage;InUse =任何(T {:,:}, 2);流(gydF4y2Ba解释变量的使用:% s \ n”gydF4y2Ba其中,strjoin (allRegressors (inUse),gydF4y2Ba”、“gydF4y2Ba))gydF4y2Ba
解释变量的使用:日元(t - 1), y1 (t-5), u1 (2) u1(条t - 3), u1(第四节),u1 (t-6), u1 (t-7), u1 (t-8)gydF4y2Ba
比较完整的回归量模型和三个稀疏的回归量模型对验证数据。gydF4y2Ba
比较(sys, zv sysr1、sysr2 sysr3)gydF4y2Ba
输入参数gydF4y2Ba
数据gydF4y2Ba
- - - - - -gydF4y2Ba估计的数据gydF4y2Ba
时间表gydF4y2Ba|gydF4y2Ba数字矩阵对gydF4y2Ba|gydF4y2Ba数字矩阵gydF4y2Ba|gydF4y2BaiddatagydF4y2Ba
对象gydF4y2Ba|gydF4y2Ba单元阵列的时间表gydF4y2Ba|gydF4y2Ba细胞矩阵的数组gydF4y2Ba
均匀采样估计数据,指定为一个时间表,逗号分隔矩阵对,作为一个单独的矩阵,或一个数据对象,以下部分描述。gydF4y2Ba
时间表gydF4y2Ba
指定gydF4y2Ba数据gydF4y2Ba
作为一个gydF4y2Ba时间表gydF4y2Ba
定期使用间隔时间向量。gydF4y2BattgydF4y2Ba
包含变量代表输入和输出通道。gydF4y2Ba
当你使用时间表估计,您可以使用所有的变量或指定要使用通道的一个子集。gydF4y2Ba
对于multiexperiment数据,指定数据作为gydF4y2Ba不gydF4y2Ba1单元阵列的时间表,gydF4y2Ba不gydF4y2Ba是实验的数量。所有的样品时间实验必须匹配。gydF4y2Ba
选择单个输入和输出通道用于估计,使用gydF4y2BaInputNamegydF4y2Ba
和gydF4y2BaOutputNamegydF4y2Ba
名称-值参数。如果你的模型有多个输出和使用gydF4y2Ba解释变量gydF4y2Ba
参数,那么你必须指定输出通道名称。gydF4y2Ba
例如,使用以下命令来选择输入通道gydF4y2Bau1gydF4y2Ba
和gydF4y2Bau3gydF4y2Ba
和输出通道gydF4y2Bay2gydF4y2Ba
和gydF4y2Bay4gydF4y2Ba
从一个包含三个输入变量的时间表和四个输出变量。gydF4y2Ba
sys = nlarx (tt、订单、gydF4y2Ba“InputName”gydF4y2Ba,(gydF4y2Ba“u1”gydF4y2Ba“u3”gydF4y2Ba),gydF4y2Ba“OutputName”gydF4y2Ba,(gydF4y2Ba“日元”gydF4y2Ba“y4”gydF4y2Ba])gydF4y2Ba
逗号分隔矩阵对gydF4y2Ba
指定gydF4y2Ba数据gydF4y2Ba
作为一个逗号分隔的实值矩阵包含输入和输出的时域信号值。当你指定依赖于数据,软件假定样本1秒的时间。你可以改变样本估计通过设置属性gydF4y2Basys.TsgydF4y2Ba
。gydF4y2Ba
对于输出系统,指定gydF4y2Ba
数据gydF4y2Ba
作为一个副gydF4y2BaNgydF4y2Ba年代gydF4y2Ba元数值列向量包含均匀采样输入和输出时域信号值。在这里,gydF4y2BaNgydF4y2Ba年代gydF4y2Ba是样品的数量。gydF4y2Ba对于MIMO系统,指定gydF4y2Ba
ugydF4y2Ba
,gydF4y2BaygydF4y2Ba
作为输入/输出矩阵对以下维度:gydF4y2BaugydF4y2Ba
- - - - - -gydF4y2BaNgydF4y2Ba年代gydF4y2Ba——- - - - - -gydF4y2BaNgydF4y2BaugydF4y2Ba,在那里gydF4y2BaNgydF4y2BaugydF4y2Ba输入的数量。gydF4y2BaygydF4y2Ba
- - - - - -gydF4y2BaNgydF4y2Ba年代gydF4y2Ba——- - - - - -gydF4y2BaNgydF4y2BaygydF4y2Ba,在那里gydF4y2BaNgydF4y2BaygydF4y2Ba是输出的数量。gydF4y2Ba
对于multiexperiment数据,指定数据作为一对gydF4y2Ba不gydF4y2Ba1细胞阵列矩阵,gydF4y2Ba不gydF4y2Ba是实验的数量。所有的样品时间实验必须匹配。gydF4y2Ba
一个矩阵gydF4y2Ba
指定gydF4y2Ba数据gydF4y2Ba
作为一个实值矩阵gydF4y2BaNgydF4y2BaygydF4y2Ba+gydF4y2BaNgydF4y2BaugydF4y2Ba列包含输出信号值的输入信号值紧随其后。注意,这个顺序是相反的顺序使用逗号分隔的矩阵形式的gydF4y2Ba数据gydF4y2Ba
。当你指定依赖于数据,软件假定样本1秒的时间。你可以改变样本估计通过设置属性gydF4y2Basys.TsgydF4y2Ba
。gydF4y2Ba
数据对象gydF4y2Ba
一个估计的数据对象,指定为一个时域gydF4y2BaiddatagydF4y2Ba
对象包含均匀采样输入和输出值。数据对象可以有一个或多个输出渠道和零个或多个输入通道。默认情况下,软件集的样本时间模型的样本时间估计数据。gydF4y2Ba
关于处理估计数据类型的更多信息,见gydF4y2Ba数据域和数据类型在系统辨识工具箱gydF4y2Ba。gydF4y2Ba
订单gydF4y2Ba
- - - - - -gydF4y2BaARX模型的订单gydF4y2Ba
nlarxgydF4y2Ba
订单gydF4y2Ba(na nb nk)gydF4y2Ba
ARX模型命令,指定为矩阵gydF4y2Ba(na nb nk)gydF4y2Ba
。gydF4y2BanagydF4y2Ba
表示延迟输出的数量,gydF4y2Ba注gydF4y2Ba
表示延迟输入的数量gydF4y2BankgydF4y2Ba
表示的最小输入延迟。最低输出延迟是固定的gydF4y2Ba1gydF4y2Ba
。有关如何构建的更多信息gydF4y2Ba订单gydF4y2Ba
矩阵,看到gydF4y2BaarxgydF4y2Ba
。gydF4y2Ba
当你指定gydF4y2Ba订单gydF4y2Ba
,软件将订单信息转换为线性回归量形式gydF4y2BaidnlarxgydF4y2Ba
解释变量gydF4y2Ba
财产。例如,看到的gydF4y2Ba订单创建非线性ARX模型利用ARX模型gydF4y2Ba。gydF4y2Ba
解释变量gydF4y2Ba
- - - - - -gydF4y2Ba回归量规范gydF4y2Ba
linearRegressorgydF4y2Ba
对象gydF4y2Ba|gydF4y2BapolynomialRegressorgydF4y2Ba
对象gydF4y2Ba|gydF4y2BaperiodicRegressorgydF4y2Ba
|gydF4y2BacustomRegressorgydF4y2Ba
对象gydF4y2Ba|gydF4y2Ba列回归量规范对象的数组gydF4y2Ba
回归量规范,包含一个或多个解释变量指定为一个列向量规范对象,这是gydF4y2BalinearRegressorgydF4y2Ba
对象,gydF4y2BapolynomialRegressorgydF4y2Ba
对象,gydF4y2BaperiodicRegressorgydF4y2Ba
对象,gydF4y2BacustomRegressorgydF4y2Ba
对象。每个对象指定一个公式生成的解释变量滞后变量。例如:gydF4y2Ba
L = linearRegressor ({‘y1’,‘u1’}, {1, 2 [5]})gydF4y2Ba
生成解释变量gydF4y2BaygydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba1),gydF4y2BaugydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba2),gydF4y2BaugydF4y2Ba2gydF4y2Ba(gydF4y2BatgydF4y2Ba5)。gydF4y2BaP = polynomialRegressor (y2, 4:7 2)gydF4y2Ba
生成解释变量gydF4y2BaygydF4y2Ba2gydF4y2Ba(gydF4y2BatgydF4y2Ba4)gydF4y2Ba2gydF4y2Ba,gydF4y2BaygydF4y2Ba2gydF4y2Ba(gydF4y2BatgydF4y2Ba5)gydF4y2Ba2gydF4y2Ba,gydF4y2BaygydF4y2Ba2gydF4y2Ba(gydF4y2BatgydF4y2Ba6)gydF4y2Ba2gydF4y2Ba,gydF4y2BaygydF4y2Ba2gydF4y2Ba(gydF4y2BatgydF4y2Ba7)gydF4y2Ba2gydF4y2Ba。gydF4y2BaSC = periodicRegressor ({‘y1’,‘u1’}, {1,2})gydF4y2Ba
生成解释变量gydF4y2BaygydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba1)),因为(gydF4y2BaygydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba1)),罪(gydF4y2BaugydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba2)),因为(gydF4y2BaugydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba2))。gydF4y2BaC = customRegressor ({y1, u1, u2的},{1 2 2},@ (x, y, z) sin (x) * y + z))gydF4y2Ba
生成单独的回归量罪(gydF4y2BaygydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba1)gydF4y2BaugydF4y2Ba1gydF4y2Ba(gydF4y2BatgydF4y2Ba2)+gydF4y2BaugydF4y2Ba2gydF4y2Ba(gydF4y2BatgydF4y2Ba2)gydF4y2Ba。gydF4y2Ba
当您创建一个估计的回归量设置为支持万博1manbetxgydF4y2BaiddatagydF4y2Ba
对象,您可以使用对象的输入和输出的名称,而不是创建回归量函数的名称。例如,假设您创建一个线性回归量模型,使用的计划gydF4y2BaiddatagydF4y2Ba
对象gydF4y2BazgydF4y2Ba
估计模型。您可以使用以下命令来创建线性回归量。gydF4y2Ba
L = linearRegressor ([z.outputName; z。inputName) {1, 2 [5]})gydF4y2Ba
为创建和使用的一个示例输出线性回归量集,明白了gydF4y2Ba使用线性回归量集估计非线性ARX模型gydF4y2Ba。例如创建一套天线系统线性回归量获得变量名的估计数据集,明白了gydF4y2Ba估计MIMO非线性ARX模型与相同的映射函数对所有输出gydF4y2Ba。gydF4y2Ba
output_fcngydF4y2Ba
- - - - - -gydF4y2Ba输出函数gydF4y2Ba
“idWaveletNetwork”gydF4y2Ba
(默认)|gydF4y2Ba“idLinear”gydF4y2Ba
|gydF4y2Ba[]gydF4y2Ba
|gydF4y2Ba“idSigmoidNetwork”gydF4y2Ba
|gydF4y2Ba“idTreePartition”gydF4y2Ba
|gydF4y2Ba“idTreePartition”gydF4y2Ba
|gydF4y2Ba“idGaussianProcess”gydF4y2Ba
|gydF4y2Ba“idTreeEnsemble”gydF4y2Ba
|gydF4y2Ba“id万博1manbetxSupportVectorMachine”gydF4y2Ba
|gydF4y2Ba映射对象gydF4y2Ba|gydF4y2Ba映射对象的数组gydF4y2Ba
输出函数映射的解释变量gydF4y2BaidnlarxgydF4y2Ba
模型到模型输出,指定为一个列数组包含零个或多个下列字符串或对象:gydF4y2Ba
“idWaveletNetwork”gydF4y2Ba 或gydF4y2BaidWaveletNetworkgydF4y2Ba 对象gydF4y2Ba |
小波网络gydF4y2Ba |
“线性”gydF4y2Ba 或gydF4y2Ba”gydF4y2Ba 或gydF4y2Ba[]gydF4y2Ba 或gydF4y2BaidLineargydF4y2Ba 对象gydF4y2Ba |
线性函数gydF4y2Ba |
“idSigmoidNetwork”gydF4y2Ba 或gydF4y2BaidSigmoidNetworkgydF4y2Ba 对象gydF4y2Ba |
乙状结肠网络gydF4y2Ba |
“idTreePartition”gydF4y2Ba 或gydF4y2BaidTreePartitiongydF4y2Ba 对象gydF4y2Ba |
二叉树分区回归模型gydF4y2Ba |
“idGaussianProcess”gydF4y2Ba 或gydF4y2BaidGaussianProcessgydF4y2Ba 对象gydF4y2Ba |
高斯过程回归模型(需要统计和机器学习的工具箱™)gydF4y2Ba |
“idTreeEnsemble”gydF4y2Ba 或gydF4y2BaidTreeEnsemblegydF4y2Ba |
回归树整体模型需要(统计和机器学习的工具箱)gydF4y2Ba |
“id万博1manbetxSupportVectorMachine”gydF4y2Ba 或gydF4y2Baid万博1manbetxSupportVectorMachinegydF4y2Ba |
基于支持向量机(SVM)回万博1manbetx归模型约束(需要统计和机器学习的工具箱)gydF4y2Ba |
idFeedforwardNetworkgydF4y2Ba 对象gydF4y2Ba |
神经网络——前馈网络的深度学习工具箱™。gydF4y2Ba |
idCustomNetworkgydF4y2Ba 对象gydF4y2Ba |
自定义网络——类似于gydF4y2BaidSigmoidNetworkgydF4y2Ba ,但在一个用户定义的替代乙状结肠函数。gydF4y2Ba |
使用一个字符串,如gydF4y2Ba“idSigmoidNetwork”gydF4y2Ba
,使用默认的属性映射函数对象。使用对象本身,如gydF4y2BaidSigmoidNetworkgydF4y2Ba
,当你想配置映射对象的属性。gydF4y2Ba
的gydF4y2BaidWaveletNetworkgydF4y2Ba
,gydF4y2BaidSigmoidNetworkgydF4y2Ba
,gydF4y2BaidTreePartitiongydF4y2Ba
,gydF4y2BaidCustomNetworkgydF4y2Ba
对象包含两个线性和非线性组件。您可以删除(不使用)的线性组件gydF4y2BaidWaveletNetworkgydF4y2Ba
,gydF4y2BaidSigmoidNetworkgydF4y2Ba
,gydF4y2BaidCustomNetworkgydF4y2Ba
通过设置gydF4y2BaLinearFcn.UsegydF4y2Ba
价值gydF4y2Ba假gydF4y2Ba
。gydF4y2Ba
的gydF4y2BaidFeedforwardNetworkgydF4y2Ba
函数只有一个非线性组件,它是gydF4y2Ba网络gydF4y2Ba
(深度学习工具箱)gydF4y2Ba深度学习工具箱的对象。的gydF4y2BaidLineargydF4y2Ba
对象,顾名思义,只有一个线性组件。gydF4y2Ba
output_fcngydF4y2Ba
是静态的,它只取决于数据值在一个特定时间,但不是直接对时间本身。例如,如果输出函数gydF4y2BaygydF4y2Ba(gydF4y2BatgydF4y2Ba)=gydF4y2BaygydF4y2Ba0gydF4y2Ba+gydF4y2Ba一个gydF4y2Ba1gydF4y2BaygydF4y2Ba(gydF4y2BatgydF4y2Ba1)+gydF4y2Ba一个gydF4y2Ba2gydF4y2BaygydF4y2Ba(gydF4y2BatgydF4y2Ba2)+…gydF4y2BabgydF4y2Ba1gydF4y2BaugydF4y2Ba(gydF4y2BatgydF4y2Ba1)+gydF4y2BabgydF4y2Ba2gydF4y2BaugydF4y2Ba(gydF4y2BatgydF4y2Ba2)+…gydF4y2Baoutput_fcngydF4y2Ba
是一个线性函数的gydF4y2Ba线性gydF4y2Ba
映射对象表示。gydF4y2Ba
例如,指定一个特征向量gydF4y2Ba“idSigmoidNetwork”gydF4y2Ba
使用默认设置,创建一个映射对象。此外,您可以指定映射对象属性在两个方面:gydF4y2Ba
创建使用参数映射对象修改默认属性。gydF4y2Ba
莫= idSigmoidNetwork (15);gydF4y2Ba
首先创建一个默认的映射对象,然后使用点符号修改属性。gydF4y2Ba
莫= idSigmoidNetwork;MO.NumberOfUnits = 15;gydF4y2Ba
为gydF4y2BangydF4y2BaygydF4y2Ba输出通道,您可以指定映射对象单独为每个通道的设置gydF4y2Baoutput_fcngydF4y2Ba
一个数组的gydF4y2BangydF4y2BaygydF4y2Ba映射对象。例如,下面的代码指定gydF4y2BaOutputFcngydF4y2Ba
使用点符号系统和两个输入通道和两个输出通道。gydF4y2Ba
sys = idnlarx ({gydF4y2Ba“日元”gydF4y2Ba,gydF4y2Ba“日元”gydF4y2Ba},{gydF4y2Ba‘u1’gydF4y2Ba,gydF4y2Ba“u2”gydF4y2Ba});sys。OutputFcn = [idWaveletNetwork;idSigmoidNetwork];gydF4y2Ba
OutputFcngydF4y2Ba
作为一个特征向量或一个映射对象。gydF4y2Ba
output_fcngydF4y2Ba
代表一个静态映射函数变换非线性ARX模型到模型的解释变量输出。gydF4y2Baoutput_fcngydF4y2Ba
是静态的,因为它不依赖于时间。例如,如果gydF4y2Ba
,然后gydF4y2Baoutput_fcngydF4y2Ba
是一个线性函数所代表的gydF4y2BaidLineargydF4y2Ba
对象。gydF4y2Ba
指定输出函数的一个示例,请参阅gydF4y2Ba指定和定制输出函数gydF4y2Ba。gydF4y2Ba
linmodelgydF4y2Ba
- - - - - -gydF4y2Ba离散时间线性模型gydF4y2Ba
idpolygydF4y2Ba
对象gydF4y2Ba|gydF4y2Ba中的难点gydF4y2Ba
对象gydF4y2Ba|gydF4y2BaidtfgydF4y2Ba
对象gydF4y2Ba|gydF4y2BaidprocgydF4y2Ba
对象gydF4y2Ba
离散时间确认输入/输出线性模型,指定为创建的任何线性模型使用一个估计量等gydF4y2BaarxgydF4y2Ba
,gydF4y2BaarmaxgydF4y2Ba
,gydF4y2Ba特遣部队gydF4y2Ba
,或gydF4y2Ba党卫军gydF4y2Ba
。例如,要创建一个整数gydF4y2Ba中的难点gydF4y2Ba
使用模型、估计模型gydF4y2Ba党卫军gydF4y2Ba
。gydF4y2Ba
sys0gydF4y2Ba
- - - - - -gydF4y2Ba非线性ARX模型gydF4y2Ba
idnlarxgydF4y2Ba
模型gydF4y2Ba
非线性ARX模型,指定为一个gydF4y2BaidnlarxgydF4y2Ba
模型。gydF4y2Basys0gydF4y2Ba
可以是:gydF4y2Ba
之前估计的使用模型gydF4y2Ba
nlarxgydF4y2Ba
。使用的参数估计算法gydF4y2Basys0gydF4y2Ba
作为初始猜测。在这种情况下,使用gydF4y2Ba初始化gydF4y2Ba
略扰乱模型属性来避免在局部最小值捕获模型。gydF4y2Basys = init(系统);sys = nlarx(数据、系统);gydF4y2Ba
一个以前创建的使用模型gydF4y2Ba
idnlarxgydF4y2Ba
构造函数和属性设置使用点符号。例如,使用下面的创建一个idnlarx对象,设置其属性,估计模型。gydF4y2Basys1 = idnlarx (gydF4y2Ba“日元”gydF4y2Ba,gydF4y2Ba‘u1’gydF4y2Ba解释变量);sys1。OutputFcn =gydF4y2Ba“idTreePartition”gydF4y2Ba;sys1。Ts=0。02;sys1。TimeUnit =“分钟”gydF4y2Ba;sys1。InputName =gydF4y2Ba“我的资料”gydF4y2Ba;sys2 = nlarx(数据、sys1);gydF4y2Ba
前面的代码相当于以下nlarx命令。gydF4y2Ba
sys2 = nlarx(数据、解释变量gydF4y2Ba“idTreePartition”gydF4y2Ba,gydF4y2Ba“t”gydF4y2Ba,0.02,gydF4y2Ba“TimeUnit”gydF4y2Ba,gydF4y2Ba“分钟”gydF4y2Ba,gydF4y2Ba…gydF4y2Ba“InputName”gydF4y2Ba,gydF4y2Ba“我的资料”gydF4y2Ba);gydF4y2Ba
选项gydF4y2Ba
- - - - - -gydF4y2Ba估计选项gydF4y2Ba
nlarxOptionsgydF4y2Ba
选项设置gydF4y2Ba
估计非线性ARX模型识别的选项,指定为一个gydF4y2BanlarxOptionsgydF4y2Ba
选项集。可用的选项包括:gydF4y2Ba
最小化的目标gydF4y2Ba
归一化选项gydF4y2Ba
正则化选项gydF4y2Ba
名称-值参数gydF4y2Ba
指定可选的双参数作为gydF4y2BaName1 = Value1,…,以=家gydF4y2Ba
,在那里gydF4y2Ba的名字gydF4y2Ba
参数名称和吗gydF4y2Ba价值gydF4y2Ba
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。gydF4y2Ba
R2021a之前,用逗号来分隔每一个名称和值,并附上gydF4y2Ba的名字gydF4y2Ba
在报价。gydF4y2Ba
例子:gydF4y2Basys = nlarx(数据、解释“InputName”,“u2”)gydF4y2Ba
InputNamegydF4y2Ba
- - - - - -gydF4y2Ba输入通道名称gydF4y2Ba
字符串gydF4y2Ba|gydF4y2Ba特征向量gydF4y2Ba|gydF4y2Ba字符串数组gydF4y2Ba|gydF4y2Ba单元阵列的特征向量gydF4y2Ba
输入通道名称,指定为一个字符串,特征向量,特征向量的字符串数组,数组或单元。gydF4y2Ba
如果您正在使用数据源,时间表中的名称gydF4y2BaInputNamegydF4y2Ba
必须的一个子集的时间表变量。gydF4y2Ba
例子:gydF4y2Basys = nlarx (tt, __, InputName, [u1”“u2”])gydF4y2Ba
选择的变量gydF4y2Bau1gydF4y2Ba
和gydF4y2Bau2gydF4y2Ba
作为输入通道的时间表gydF4y2BattgydF4y2Ba
用于估计。gydF4y2Ba
OutputNamegydF4y2Ba
- - - - - -gydF4y2Ba输出通道名称gydF4y2Ba
字符串gydF4y2Ba|gydF4y2Ba特征向量gydF4y2Ba|gydF4y2Ba字符串数组gydF4y2Ba|gydF4y2Ba单元阵列的特征向量gydF4y2Ba
输出通道名称,指定为一个字符串,特征向量,特征向量的字符串数组,数组或单元。gydF4y2Ba
如果您正在使用数据源,时间表中的名称gydF4y2BaOutputNamegydF4y2Ba
必须的一个子集的时间表变量。gydF4y2Ba
例子:gydF4y2Basys = nlarx (tt, __“OutputName”,(“日元”“y3))gydF4y2Ba
选择的变量gydF4y2Ba日元gydF4y2Ba
和gydF4y2Bay3gydF4y2Ba
作为输出通道的时间表gydF4y2BattgydF4y2Ba
用于估计。gydF4y2Ba
输出参数gydF4y2Ba
sysgydF4y2Ba
——非线性ARX模型gydF4y2Ba
idnlarxgydF4y2Ba
对象gydF4y2Ba
非线性ARX模型符合给定的估计数据,作为一个返回gydF4y2BaidnlarxgydF4y2Ba
对象。这个模型是使用指定的模型创建的订单,非线性估计量,估计选项。gydF4y2Ba
评估结果和信息存储在选择使用gydF4y2Ba报告gydF4y2Ba
模型的属性。的内容gydF4y2Ba报告gydF4y2Ba
依赖于非线性的选择和评估重点你指定gydF4y2BanlarxgydF4y2Ba
。gydF4y2Ba报告gydF4y2Ba
有以下字段:gydF4y2Ba
报告字段gydF4y2Ba | 描述gydF4y2Ba | ||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
状态gydF4y2Ba |
总结模型的状态,这表明模型是由建设或是否得到评估。gydF4y2Ba |
||||||||||||||||||
方法gydF4y2Ba |
评估使用的命令。gydF4y2Ba |
||||||||||||||||||
适合gydF4y2Ba |
定量评估的评估,作为一个结构返回。看到gydF4y2Ba损失函数和模型质量的指标gydF4y2Ba对这些质量标准的更多信息。结构有以下字段:gydF4y2Ba
|
||||||||||||||||||
参数gydF4y2Ba |
估计模型参数的值。gydF4y2Ba |
||||||||||||||||||
OptionsUsedgydF4y2Ba |
选项设置用于估计。如果没有配置自定义选项,这是一组缺省选项。看到gydF4y2Ba |
||||||||||||||||||
RandStategydF4y2Ba |
的随机数流的估计。空的,gydF4y2Ba |
||||||||||||||||||
DataUsedgydF4y2Ba |
属性的数据用于估计,作为结构与以下字段返回。gydF4y2Ba
|
||||||||||||||||||
终止gydF4y2Ba |
迭代终止条件搜索用于预测误差最小化,作为结构返回以下字段:gydF4y2Ba
估计方法不需要数值搜索优化gydF4y2Ba |
使用的更多信息gydF4y2Ba报告gydF4y2Ba
,请参阅gydF4y2Ba评估报告gydF4y2Ba。gydF4y2Ba
算法gydF4y2Ba
非线性ARX模型结构gydF4y2Ba
一个非线性ARX模型由模型解释变量和一个输出函数。输出函数包含一个或多个gydF4y2Ba映射对象gydF4y2Ba,一个用于每个模型输出。每个映射对象可以包括线性和非线性函数模型解释变量给模型的输出和输出固定偏移量。对于这个框图表示的结构变量非线性ARX模型在模拟场景中。gydF4y2Ba
软件计算非线性ARX模型的输出gydF4y2BaygydF4y2Ba在两个阶段:gydF4y2Ba
计算回归量的值从当前和过去的输入值和输出数据。gydF4y2Ba
在最简单的情况下,解释变量延迟输入和输出,例如gydF4y2BaugydF4y2Ba(gydF4y2BatgydF4y2Ba1)和gydF4y2BaygydF4y2Ba(gydF4y2BatgydF4y2Ba3)。这样的解释变量被称为gydF4y2Ba线性解释变量gydF4y2Ba。您指定线性解释变量使用gydF4y2Ba
linearRegressorgydF4y2Ba
对象。您还可以指定线性解释变量通过线性ARX模型订单作为输入参数。有关更多信息,请参见gydF4y2Ba非线性ARX模型订单和延迟gydF4y2Ba。然而,第二种方法约束你的回归量设置为线性解释变量与连续延迟。创建gydF4y2Ba多项式解释变量gydF4y2Ba,可以使用gydF4y2BapolynomialRegressorgydF4y2Ba
对象。创建gydF4y2Ba周期性的解释变量gydF4y2Ba包含延迟的正弦和余弦函数的输入和输出变量,使用gydF4y2BaperiodicRegressorgydF4y2Ba
对象。您还可以指定gydF4y2Ba自定义的解释变量gydF4y2Ba,这是延迟输入和输出的非线性函数。例如,gydF4y2BaugydF4y2Ba(gydF4y2BatgydF4y2Ba1)gydF4y2BaygydF4y2Ba(gydF4y2BatgydF4y2Ba3)是一个定制的回归量繁殖的实例输入和输出。指定自定义解释变量使用gydF4y2BacustomRegressorgydF4y2Ba
对象。gydF4y2Ba你可以分配任何的解释变量作为输入输出函数的线性函数块,非线性功能块,或两者兼而有之。gydF4y2Ba
它将解释变量映射到模型使用一个输出功能块输出。输出功能块可以包含多个映射对象,与每一个映射对象包含线性、非线性、并行和抵消块。例如,考虑以下方程:gydF4y2Ba
在这里,gydF4y2BaxgydF4y2Ba解释变量是一个矢量,然后呢gydF4y2BargydF4y2Ba的意思是gydF4y2BaxgydF4y2Ba。gydF4y2Ba 是线性函数的输出块。gydF4y2Ba 代表非线性功能块的输出。gydF4y2Ba问gydF4y2Ba是一个投影矩阵,计算状态良好的。gydF4y2BadgydF4y2Ba是一个标量抵消添加到组合输出的线性和非线性。的具体形式gydF4y2BaFgydF4y2Ba(gydF4y2BaxgydF4y2Ba)取决于你选择的输出函数。你可以选择从gydF4y2Ba可用的映射对象gydF4y2Batree-partition网络等小波网络和多层神经网络。你也可以排除线性或非线性的功能块输出函数。gydF4y2Ba
当评估一个非线性ARX模型,软件计算模型参数值,如gydF4y2BalgydF4y2Ba,gydF4y2BargydF4y2Ba,gydF4y2BadgydF4y2Ba,gydF4y2Ba问gydF4y2Ba和其他参数指定gydF4y2BaggydF4y2Ba。gydF4y2Ba
由此产生的非线性ARX模型gydF4y2BaidnlarxgydF4y2Ba
对象存储所有数据模型,包括模型解释变量和参数输出的功能。关于这些对象的更多信息,请参阅gydF4y2Ba非线性模型结构gydF4y2Ba。gydF4y2Ba
版本历史gydF4y2Ba
介绍了R2007agydF4y2BaR2022b:gydF4y2Ba时域估计数据被接受的时间表和矩阵gydF4y2Ba
大多数评估、验证、分析和效用函数现在接受时域输入/输出数据的形式一个时间表包含输入和输出数据或一对矩阵分别包含输入和输出数据。这些函数继续接受gydF4y2BaiddatagydF4y2Ba
对象作为数据源,对时域和频域数据。gydF4y2Ba
R2021b:gydF4y2Ba使用以前的gydF4y2BaidnlarxgydF4y2Ba
和gydF4y2BaidnlhwgydF4y2Ba
不推荐映射对象名称。gydF4y2Ba
从R2021b,映射对象(也称为非线性)的非线性组件使用gydF4y2BaidnlarxgydF4y2Ba
和gydF4y2BaidnlhwgydF4y2Ba
对象被重新命名。下表列出了名称的变化。gydF4y2Ba
Pre-R2021b名字gydF4y2Ba | R2021b名字gydF4y2Ba |
---|---|
wavenetgydF4y2Ba |
idWaveletNetworkgydF4y2Ba |
sigmoidnetgydF4y2Ba |
idSigmoidNetworkgydF4y2Ba |
treepartitiongydF4y2Ba |
idTreePartitiongydF4y2Ba |
customnetgydF4y2Ba |
idCustomNetworkgydF4y2Ba |
饱和gydF4y2Ba |
idSaturationgydF4y2Ba |
死区gydF4y2Ba |
idDeadZonegydF4y2Ba |
pwlineargydF4y2Ba |
idPiecewiseLineargydF4y2Ba |
poly1dgydF4y2Ba |
idPolynomial1DgydF4y2Ba |
unitgaingydF4y2Ba |
idUnitGaingydF4y2Ba |
线性gydF4y2Ba |
idLineargydF4y2Ba |
neuralnetgydF4y2Ba |
idFeedforwardNetworkgydF4y2Ba |
脚本与旧的名字仍然正常运行,尽管他们会产生一个警告。考虑使用新名称继续兼容新开发的功能和算法。没有计划排除这些对象名称的使用gydF4y2Ba
R2018a:gydF4y2Ba高级选项弃用gydF4y2BaSearchOptionsgydF4y2Ba
当gydF4y2BaSearchMethodgydF4y2Ba
是gydF4y2Ba“lsqnonlin”gydF4y2Ba
规范的gydF4y2BalsqnonlingydF4y2Ba
弃用相关高级选项,包括选择估计使用时调用并行处理gydF4y2BalsqnonlingydF4y2Ba
搜索方法,或解决,优化工具箱™。gydF4y2Ba
另请参阅gydF4y2Ba
idnlarxgydF4y2Ba
|gydF4y2BanlarxOptionsgydF4y2Ba
|gydF4y2BaisnlarxgydF4y2Ba
|gydF4y2BagoodnessOfFitgydF4y2Ba
|gydF4y2Ba另类投资会议gydF4y2Ba
|gydF4y2Ba消防工程gydF4y2Ba
|gydF4y2BapolynomialRegressorgydF4y2Ba
|gydF4y2BaperiodicRegressorgydF4y2Ba
|gydF4y2BalinearRegressorgydF4y2Ba
|gydF4y2BacustomRegressorgydF4y2Ba
MATLAB命令gydF4y2Ba
你点击一个链接对应MATLAB命令:gydF4y2Ba
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetxgydF4y2Ba
选择一个网站gydF4y2Ba
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:gydF4y2Ba。gydF4y2Ba
你也可以从下面的列表中选择一个网站:gydF4y2Ba
表现最好的网站怎么走吗gydF4y2Ba
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。gydF4y2Ba
美洲gydF4y2Ba
- 美国拉丁gydF4y2Ba(西班牙语)gydF4y2Ba
- 加拿大gydF4y2Ba(英语)gydF4y2Ba
- 美国gydF4y2Ba(英语)gydF4y2Ba
欧洲gydF4y2Ba
- 比利时gydF4y2Ba(英语)gydF4y2Ba
- 丹麦gydF4y2Ba(英语)gydF4y2Ba
- 德国gydF4y2Ba(德语)gydF4y2Ba
- 西班牙gydF4y2Ba(西班牙语)gydF4y2Ba
- 芬兰gydF4y2Ba(英语)gydF4y2Ba
- 法国gydF4y2Ba(法语)gydF4y2Ba
- 爱尔兰gydF4y2Ba(英语)gydF4y2Ba
- 意大利gydF4y2Ba(意大利语)gydF4y2Ba
- 卢森堡gydF4y2Ba(英语)gydF4y2Ba
- 荷兰gydF4y2Ba(英语)gydF4y2Ba
- 挪威gydF4y2Ba(英语)gydF4y2Ba
- 奥地利gydF4y2Ba(德语)gydF4y2Ba
- 葡萄牙gydF4y2Ba(英语)gydF4y2Ba
- 瑞典gydF4y2Ba(英语)gydF4y2Ba
- 瑞士gydF4y2Ba
- 联合王国gydF4y2Ba(英语)gydF4y2Ba
亚太地区gydF4y2Ba
- 澳大利亚gydF4y2Ba(英语)gydF4y2Ba
- 印度gydF4y2Ba(英语)gydF4y2Ba
- 新西兰gydF4y2Ba(英语)gydF4y2Ba
- 中国gydF4y2Ba
- 日本gydF4y2Ba(日本語)gydF4y2Ba
- 한국gydF4y2Ba(한국어)gydF4y2Ba