时间序列分析
通过识别线性和非线性模型（包括AR、ARMA和状态空间模型）来分析时间序列数据；预测值
功能
应收账 |
标量时间序列AR模型或ARI模型的参数估计 |
舰队 |
利用时域数据估计ARMAX、ARIMAX、ARMA或ARIMA模型的参数 |
arx公司 |
ARX、ARIX、AR或ARI模型的估计参数 |
欧洲期货交易所 |
估计经验传递函数和周期图 |
水疗中心 |
用谱分析法估计固定频率分辨率下的频率响应 |
水疗中心fdr |
频率相关分辨率谱分析估计频率响应和频谱 |
艾瓦尔 |
工具变量法AR模型估计 |
n4sid号 |
基于时域或频域子空间方法的状态空间模型估计 |
ssest公司 |
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公司 |
非线性ARX模型的参数估计 |
idpoly公司 |
具有可识别参数的多项式模型 |
入侵检测系统 |
参数可辨识的状态空间模型 |
idnlarx公司 |
非线性ARX模型 |
getpvec公司 |
模型参数及相关不确定性数据 |
setpvec公司 |
修改模型参数值 |
初始 |
设置或随机化初始参数值 |
噪声2 meas |
模型噪声分量 |
周围 |
选项集应收账 |
预测 |
选项集预测 |
simOptions公司 |
选项集sim卡 |
示例和如何
如何在应用程序和命令行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。
这个例子说明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估计时间序列数据的状态空间模型。
本例说明如何模拟时间序列，并使用参数和非参数方法来估计和比较时间序列模型。
This example shows how to analyze time-series models.
这个例子展示了如何对时间序列数据进行谱估计。
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在一个被捕食者拥挤的场景中，对从捕食者和被捕食者种群测量的数据进行多元时间序列预测。
此示例演示如何创建时间序列模型并将该模型用于预测、预测和状态估计。
概念
时间序列模型的定义。
在这里，您可以了解有关导入和准备用于建模的时间序列数据的更多信息。
Introduction to Forecasting of Dynamic System Response
了解使用线性和非线性模型预测数据的概念。
特色示例
也可以从以下列表中选择网站：
