Нелинейный график ARX отображает оцененную нелинейность модели для выбранного образцового вывода как функция одного или двух образцовых регрессоров. Для модели M
нелинейность модели (M.Nonlinearity
) является функцией средства оценки нелинейности, такой как wavenet
, sigmoidnet
или treepartition
, который использует образцовые регрессоры в качестве его входных параметров.
Чтобы понять, что построено, предположите, что {r1,r2,…,rN}
является регрессорами N
, используемыми нелинейной моделью ARX M
с нелинейностью nl
, соответствующий образцовому выводу. Можно использовать getreg(M)
, чтобы просмотреть эти регрессоры. Выражение Nonlin = evaluate(nl,[v1,v2,...,vN])
возвращает образцовый выходной параметр для данных значений этих регрессоров, то есть, r1
= v1
, r2
= v2
..., rN
= vN
. Для графического вывода нелинейности вы выбираете один или два из регрессоров N
, например, rsub = {r1,r4}
. Программное обеспечение отличается значения этих регрессоров в заданной области значений, при фиксации значения остающихся регрессоров, и генерирует график Nonlin
по сравнению с rsub
. По умолчанию программное обеспечение устанавливает значения остающихся фиксированных регрессоров к их предполагаемым средним значениям, но можно изменить эти значения. Средние значения регрессора хранятся в свойстве Nonlinearity.Parameters.RegressorMean
модели.
Исследование нелинейного графика ARX может помочь вам получить сведения, какие регрессоры имеют самый сильный эффект на образцовый вывод. Понимание относительной важности регрессоров на выводе может помочь вам решить который регрессоры включать в нелинейную функцию для того вывода. Если форма графика похожа на плоскость для всех выбранных значений регрессора, то модель, вероятно, линейна в тех регрессорах. В этом случае можно удалить соответствующие регрессоры из нелинейного блока и повторить оценку.
Кроме того, можно создать несколько нелинейных моделей для тех же данных с помощью различных средств оценки нелинейности, такой сети wavenet
и treepartition
, и затем сравнить нелинейные поверхности этих моделей. Соглашение между графиками для различных моделей увеличивает уверенность, что эти нелинейные модели получают истинную динамику системы.
Чтобы узнать больше о конфигурировании графика, смотрите Конфигурирование Нелинейного Графика ARX.