Восстановите недостающие входные и выходные данные
Datae = misdata(Data)
Datae = misdata(Data,Model)
Datae = misdata(Data,MaxIterations,Tol)
Datae = misdata(Data) восстанавливает недостающие входные и выходные данные. Data является данными ввода - вывода временного интервала в формате объекта iddata. Недостающие выборки данных (и во входных параметрах и в выходных параметрах) вводятся как NaN s. Datae является объектом iddata, где недостающие данные были заменены обоснованными оценками.
Datae = misdata(Data,Model) задает модель, используемую для реконструкции недостающих данных. Model является любой линейной идентифицированной моделью (idtf, idproc, idgrey, idpoly, idss). Если никакая подходящая модель не известна, это оценивается итеративным способом с помощью моделей в пространстве состояний порядка по умолчанию.
Datae = misdata(Data,MaxIterations,Tol) задает максимальное количество итераций и допуска. MaxIterations является максимальным количеством выполненных итераций (значение по умолчанию равняется 10). Итерации отключены, когда различие между двумя последовательными оценками данных отличается меньше, чем % Tol. Значением по умолчанию Tol является 1.
Загрузите данные с пропавшими без вести точек данных.
load(fullfile(matlabroot,'examples','ident','missing_data.mat'))
missing_data является объектом iddata, содержащим данные ввода - вывода.
Отобразите данные на графике.
plot(missing_data)
Выходные данные содержат недостающие данные между индексами 10 и 100.
Чтобы восстановить недостающие данные с помощью заданной модели, оцените модель с помощью результатов измерений, который не имеет никаких недостающих выборок. В этом примере оцените модель передаточной функции с 2 полюсами.
data2 = missing_data(101:end); model = tfest(data2,2);
Восстановите недостающие данные.
datae = misdata(missing_data,model);
Отобразите исходные и восстановленные данные на графике.
plot(missing_data,'b',datae,'--r')
Если вы не задаете модель для восстановления данных, программное обеспечение чередуется между оценкой недостающих данных и оценкой моделей, на основе текущей реконструкции данных.
Для данной модели недостающие данные оцениваются как параметры, чтобы минимизировать выходные ошибки прогноза, полученные из восстановленных данных. Смотрите Раздел 14.2 в Ljung (1999). Обработка недостающих выходных параметров как параметры не является лучшим подходом со статистической точки зрения, но является хорошим приближением во многих случаях.
Когда никакая модель не дана, альтернативы алгоритма между оценкой недостающих данных и оценкой моделей, на основе текущей реконструкции.
