predictOptions

Опция установлена для predict

Синтаксис

opt = predictOptions
opt = predictOptions(Name,Value)

Описание

пример

opt = predictOptions создает набор опции по умолчанию для predict. Используйте запись через точку, чтобы изменить этот набор опции. Любые опции, которые вы не изменяете, сохраняют свои значения по умолчанию.

пример

opt = predictOptions(Name,Value) создает набор опции с опциями, заданными одним или несколькими аргументами пары Name,Value.

Примеры

свернуть все

Создайте набор опции по умолчанию для образцового прогноза.

opt = predictOptions;

Задайте выходные смещения для 2D выходной модели как 2 и 5, соответственно.

opt.OutputOffset = [2;5];

Программное обеспечение вычитает значение смещения OutputOffset(i) из i th выходной сигнал перед использованием вывода, чтобы предсказать образцовый ответ. Программное обеспечение затем добавляет назад эти смещения в предсказанный ответ, чтобы дать итоговый ответ.

Создайте набор опции для predict с помощью нулевых начальных условий.

opt = predictOptions('InitialCondition','z');

Загрузите 2D вход, набор данных с одним выходом.

load iddata7 z7

Идентифицируйте модель в пространстве состояний пятого порядка с помощью данных.

sys = n4sid(z7,5);

Разделите набор данных в две части.

zA = z7(1:15);
zB = z7(16:end);

Предположим, что вы хотите вычислить эти 10 шагов вперед прогноз ответа идентифицированной системы для данных zB. Для начальных условий используйте значения сигналов в zA как хронологическая запись. Таким образом, значения ввода и вывода в течение времени, сразу предшествующего данным в zB.

IO = struct('Input',zA.InputData,'Output',zA.OutputData);
opt = predictOptions('InitialCondition',IO);

Сгенерируйте эти 10 шагов вперед прогноз для данных zB с помощью заданных начальных условий.

[yp,x0,Predictor] = predict(sys,zB,10,opt);

yp является предсказанным образцовым ответом, x0 начальные состояния, соответствующие модели Predictor предиктора. Можно моделировать Predictor с помощью x0 в качестве начальных условий, чтобы воспроизвести yp.OutputData.

Чтобы понять, как прошлые данные сопоставлены с начальными состояниями модели, смотрите, Понимают Использование Исторических данных для Образцового Прогноза.

Входные параметры

свернуть все

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.

Пример: predictOptions('InitialCondition','z') задает нулевые начальные условия для измеренных данных ввода - вывода.

Обработка начальных условий, заданных как пара, разделенная запятой, состоящая из 'InitialCondition' и одно из следующих значений:

  • Z Нулевые начальные условия.

  • E Оцените начальные условия, таким образом, что ошибка прогноза для наблюдаемого выходного сигнала минимизирована.

    Для нелинейных моделей серого поля только те начальные состояния оценивается i, которые определяются как свободные в модели (sys.InitialStates(i).Fixed = false). Чтобы оценить все состояния модели, сначала задайте все состояния Nx модели idnlgrey sys как свободные.

    for i = 1:Nx
    sys.InitialStates(i).Fixed = false;
    end 

    Точно так же, чтобы зафиксировать все начальные состояния к значениям, заданным в sys.InitialStates, сначала задайте все состояния, как зафиксировано в свойстве sys.InitialStates нелинейной модели серого поля.

  • D Подобно 'e', но поглощает ненулевые задержки в коэффициенты модели. Задержки сначала преобразованы в явные образцовые состояния, и начальные значения тех состояний также оценены и возвращены.

    Используйте эту опцию для линейных моделей только.

  • Вектор или Матрица — Исходное предположение для значений состояния, заданных как вектор числового столбца длины, равняются количеству состояний. Для данных мультиэксперимента задайте матрицу со столбцами Ne, где Ne является количеством экспериментов. В противном случае используйте вектор-столбец, чтобы задать те же начальные условия для всех экспериментов. Используйте эту опцию для пространства состояний (idss и idgrey) и нелинейные модели (idnlarx, idnlhw и idnlgrey) только.

  • Структура со следующими полями, которые содержат исторические значения ввода и вывода какое-то время интервал сразу перед временем начала данных, используемых в прогнозе:

    Поле Описание
    InputВведите историю, заданную как матрица со столбцами Nu, где Nu является количеством входных каналов. Для моделей временных рядов используйте []. Количество строк должно быть больше, чем или равным порядку модели.
    OutputВыведите историю, заданную как матрица со столбцами Ny, где Ny является количеством выходных каналов. Количество строк должно быть больше, чем или равным порядку модели.

    Для примера смотрите Исторические данные Использования, чтобы Задать Начальные условия для Образцового Прогноза.

    Для данных мультиэксперимента сконфигурируйте начальные условия отдельно для каждого эксперимента путем определения InitialCondition как массива структур с элементами Ne. Чтобы задать те же начальные условия для всех экспериментов, используйте одну структуру.

    Программное обеспечение использует data2state, чтобы сопоставить исторические данные с состояниями. Если вашей моделью не является idss, idgrey, idnlgrey или idnlarx, программное обеспечение сначала преобразовывает модель в свое представление пространства состояний и затем сопоставляет данные с состояниями. Если преобразование вашей модели к idss не возможно, предполагаемые состояния возвращены пустые.

  • Объект x0obj — Specification, созданный с помощью idpar. Используйте этот объект для пространства состояний дискретного времени (idss и idgrey) и нелинейные модели (idnlgrey) серого поля только. Используйте x0obj, чтобы наложить ограничения на начальные состояния путем фиксации их значения или определения минимальных или максимальных границ.

Смещение входного сигнала для данных временного интервала, заданных как пара, разделенная запятой, состоящая из 'InputOffset' и одно из следующих значений:

  • Смещения входа [] — No.

  • Вектор-столбец длины Nu, где Nu является количеством входных параметров. Программное обеспечение вычитает значение смещения InputOffset(i) из i th входной сигнал перед использованием входа, чтобы предсказать образцовый ответ.

  • Nu-by-Ne матрица — Для данных мультиэксперимента, задайте InputOffset как Nu-by-Ne матрица, где Ne является количеством экспериментов. Программное обеспечение вычитает значение смещения InputOffset(i,j) из i th входной сигнал j th эксперимент перед прогнозом.

    Если вы задаете вектор-столбец длины Nu, то значение смещения InputOffset(i) вычтено из i th входной сигнал всех экспериментов.

Смещение выходного сигнала для данных временного интервала, заданных как пара, разделенная запятой, состоящая из 'OutputOffset' и одно из следующих значений:

  • [] — No смещения вывода.

  • Вектор-столбец длины Ny, где Ny является количеством выходных параметров. Программное обеспечение вычитает значение смещения OutputOffset(i) из i th выходной сигнал перед использованием вывода, чтобы предсказать образцовый ответ. После прогноза программное обеспечение добавляет, что смещения к предсказанному ответу, чтобы дать финал предсказали ответ.

  • Ny-by-Ne матрица — Для данных мультиэксперимента, задайте OutputOffset как Ny-by-Ne матрица, где Ne является количеством экспериментов. Программное обеспечение вычитает значение смещения OutputOffset(i,j) из i th выходной сигнал j th эксперимент перед прогнозом.

    Если вы задаете вектор-столбец длины Ny, то значение смещения OutputOffset(i) вычтено из i th выходной сигнал всех экспериментов.

    После прогноза программное обеспечение добавляет, что удаленные смещения к предсказанному ответу, чтобы дать финал предсказали ответ.

Вес вывода для начальной оценки условия, заданной как пара, разделенная запятой, состоящая из 'OutputWeight' и одно из следующих значений:

  • [] — Никакое взвешивание не используется программным обеспечением для начальной оценки условия. Эта опция совпадает с использованием eye(Ny) для выходного веса, где Ny является количеством выходных параметров.

  • 'noise' — Программное обеспечение использует инверсию свойства NoiseVariance модели как вес.

  • Положительная, полуопределенная матрица размерности Ny-by-Ny, где Ny является количеством выходных параметров.

OutputWeight важен только для мультивыходных моделей.

Выходные аргументы

свернуть все

Набор опции для predict, повторно настроенного как опция predictOptions, установлен.

Смотрите также

| |

Представленный в R2012a

Для просмотра документации необходимо авторизоваться на сайте