площадь

Оцените параметры модели AR для скалярных временных рядов

Синтаксис

m = ar(y,n)
[m,ref1] = ar(y,n,approach,window)
m= ar(y,n,Name,Value)
m= ar(y,n,___,opt)

Описание

Примечание

Используйте для скалярных временных рядов только. Для многомерных данных используйте arx.

m = ar(y,n) возвращает модель idpoly m.

[m,ref1] = ar(y,n,approach,window) возвращает модель idpoly m и переменная refl. Для двух основанных на решетке подходов, 'burg' и 'gl', refl хранит отражательные коэффициенты в первой строке и соответствующие значения функции потерь во второй строке. Первый столбец refl является моделью нулевого порядка, и элемент (2,1) refl является нормой самих временных рядов.

m= ar(y,n,Name,Value) задает образцовые атрибуты структуры с помощью одного или нескольких аргументов пары Name,Value.

m= ar(y,n,___,opt) задает опции оценок с помощью opt.

Входные параметры

y

Объект iddata, который содержит данные timeseries (один выходной канал).

n

Скаляр, который задает порядок модели, которую вы хотите оценить (количество параметры в модели AR).

approach

Алгоритм для вычисления модели AR наименьших квадратов, заданной как одно из следующих значений:

  • 'burg': основанный на решетке метод Города. Решает уравнения фильтра решетки с помощью среднего гармонического прямых и обратных ошибок прогноза в квадрате.

  • 'fb': Прямой обратный подход (По умолчанию). Минимизирует сумму критерия наименьших квадратов прямой модели и аналогичного критерия инвертированной временем модели.

  • 'gl': Геометрический подход решетки. Подобно методу Города, но использованию среднее геометрическое вместо среднего гармонического во время минимизации.

  • ls: подход наименьших квадратов. Минимизирует стандартную сумму ошибок прямого прогноза в квадрате.

  • 'yw': подход Уокера Рождества. Решает уравнения Уокера Рождества, сформированные из выборочных ковариаций.

window

Использование информации о данных вне измеренного временного интервала (прошлые и будущие значения), заданный как одно из следующих значений:

  • теперь: (Значение по умолчанию) Никакая работа с окнами. Это значение является значением по умолчанию кроме тех случаев, когда аргументом approach является 'yw'. Только результаты измерений используются, чтобы сформировать векторы регрессии. Суммирование в критериях запускается в демонстрационном индексе, равном n+1.

  • 'pow': постработа с окнами. Недостающие значения конца заменяются нулями, и суммирование расширено ко времени N+n (N является количеством наблюдений).

  • 'ppw': пред - и постработа с окнами. Используемый в подходе Уокера Рождества.

  • 'prw': предварительная работа с окнами. Недостающие прошлые значения заменяются нулями так, чтобы суммирование в критериях могло запуститься в равное нулю время.

opt

Опции оценки.

opt является набором опций, который задает следующее:

  • смещения данных

  • обработка ковариации

  • подход оценки

  • окно оценки

Используйте arOptions, чтобы создать набор опций.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

'Ts'

Положительная скалярная величина, которая задает шаг расчета. Используйте, когда вы зададите Y как двойной вектор, а не объект IDDATA.

'IntegrateNoise'

Булево значение, которое задает, содержит ли источник шума интегратор или нет. Используйте его, чтобы создать модели структуры "ARI": Ay=e(1z1)

По умолчанию: false

Выходные аргументы

m

Модель idpoly.

ref1

Массив 2 на 2. Первая строка хранит отражательные коэффициенты, и вторая строка хранит соответствующие значения функции потерь. Первый столбец refl является моделью нулевого порядка, и (2,1), элемент refl является нормой самих временных рядов.

Примеры

Учитывая синусоидальный сигнал с шумом, сравните спектральные оценки метода Города с найденными от прямого обратного подхода и метода без работ с окнами на Диаграмме Боде.

y = sin([1:300]') + 0.5*randn(300,1);
y = iddata(y);
mb = ar(y,4,'burg');
mfb = ar(y,4);
bode(mb,mfb)

Оцените модель ARI.

load iddata9 z9
Ts = z9.Ts;
y = cumsum(z9.y);
model = ar(y, 4, 'ls', 'Ts', Ts, 'IntegrateNoise', true)
compare(y,model,5) % 5 step ahead prediction

Используйте набор опции, чтобы выбрать подход оценки 'ls' и указать, что ковариационная матрица не должна быть оценена.

y = rand(100,1);
opt = arOptions('Approach', 'ls', 'EstimateCovariance', false);
model = ar(y, N, opt);

Алгоритмы

Структура модели AR дана следующим уравнением:

A(q)y(t)=e(t)

Параметры модели AR оцениваются с помощью вариантов метода наименьших квадратов. Следующая таблица обобщает общие названия для методов с определенной комбинацией значений аргументов window и approach.

МетодПодход и работа с окнами
Измененный метод ковариацииПрямой обратный подход (По умолчанию) и никакая работа с окнами.
Метод корреляцииПодход Уокера Рождества, который соответствует наименьшим квадратам плюс пред - и постработа с окнами.
Метод ковариацииНаименьшие квадраты приближаются без работы с окнами. arx использует эту стандартную программу.

Ссылки

Марпл, младший, S.L., цифровой спектральный анализ с приложениями, Prentice Hall, Englewood Cliffs, 1987, глава 8.

Смотрите также

| | | | | | |

Представлено до R2006a

Для просмотра документации необходимо авторизоваться на сайте