В дополнение к оценке параметров модели алгоритмы тулбокса также оценивают изменчивость параметров модели, которые следуют из случайных воздействий в выводе.
Понимание образцовой изменчивости помогает вам понять, насколько отличающийся ваши параметры модели были бы то, если бы вы повторили оценку с помощью различного набора данных (с той же входной последовательностью как исходный набор данных) и та же образцовая структура.
При проверке параметрических моделей проверяйте значения неуверенности. Большая неуверенность в параметрах может быть вызвана высокими порядками модели, несоответствующим возбуждением и плохим отношением сигнал-шум в данных.
Неуверенность в модели называется образцовой ковариацией.
Когда вы оцениваете модель, ковариационная матрица предполагаемых параметров хранится с моделью. Используйте getcov, чтобы выбрать ковариационную матрицу. Используйте getpvec, чтобы выбрать список параметров и их отдельной неуверенности, которая была вычислена с помощью ковариационной матрицы. Ковариационная матрица используется, чтобы вычислить всю неуверенность в образцовом выводе, Диаграммах Боде, остаточных графиках и нулевых полюсом графиках.
Вычисление ковариационной матрицы основано на предположении, что образцовая структура дает правильное описание системной динамики. Для моделей, которые включают возмущение H, правильная оценка неуверенности принимает, что модель производит белые невязки. Чтобы определить, можно ли доверять предполагаемым значениям неуверенности модели, выполните остаточные аналитические тесты на модели. Для получения дополнительной информации об остаточном анализе, смотрите темы на странице Residual Analysis. Если ваша модель проходит остаточные аналитические тесты, существует хороший шанс, что истинная система находится в доверительном интервале и любых результатах неуверенности параметра случайных воздействий в выводе.
Для моделей ошибки на выходе, таких как модели передаточной функции, пространство состояний с K=0 и полиномиальными моделями формы ошибки на выходе, с шумовой моделью H, зафиксированной к 1, вычисление ковариационной матрицы не принимает белые невязки. Вместо этого ковариация оценивается на основе предполагаемого цвета остаточных корреляций. Эта оценка шумового цвета также выполняется для моделей в пространстве состояний с K=0, который эквивалентен модели ошибки на выходе.
Можно просмотреть следующую информацию о неуверенности из линейных и нелинейных моделей серого поля:
Неуверенность в предполагаемых параметрах.
Введите present(model) в подсказке, где model представляет имя линейной или нелинейной модели.
Доверительные интервалы на линейных образцовых графиках, включая переходной процесс, импульсный ответ, Предвещают, Найквист, шумовой спектр и нулевые полюсом графики.
Доверительные интервалы вычисляются на основе изменчивости в параметрах модели. Для получения информации об отображающихся доверительных интервалах см. Определение Доверительного интервала для Определенных Образцовых Графиков.
Ковариационная матрица предполагаемых параметров в линейных моделях и нелинейных моделях серого поля с помощью getcov.
Предполагаемые стандартные отклонения полиномиальных коэффициентов, полюсов/нулей или матриц пространства состояний с помощью idssdata, tfdata, zpkdata и polydata.
Моделируемые выходные значения для линейных моделей со стандартными отклонениями с помощью sim.
Вызовите команду sim с выходными аргументами, где вторым выходным аргументом является предполагаемое стандартное отклонение каждого выходного значения. Например, введите [ysim,ysimsd] = sim(model,data), где ysim является моделируемый вывод, ysimsd содержит стандартные отклонения на моделируемом выводе, и data является данными моделирования.
Выполните анализ Монте-Карло с помощью rsample, чтобы сгенерировать случайную выборку идентифицированной модели во вселенной области веры. Массив идентифицированных систем той же структуры как входная система возвращен. Параметры возвращенных моделей встревожены об их номинальной стоимости способом, который сопоставим с ковариацией параметра.
Моделируйте эффект неуверенности параметра на ответе модели с помощью simsd.
Можно отобразить доверительный интервал на следующих типах графика:
| Постройте тип | Доверительный интервал соответствует области значений... | Больше информации об отображающемся доверительном интервале |
|---|---|---|
| Моделируемый и предсказанный Вывод | Выходные значения с определенной вероятностью того, чтобы быть фактическим выводом системы. | Образцовые Выходные графики |
| Невязки | Остаточные значения с определенной вероятностью того, чтобы быть статистически незначительным для системы. | Графики невязок |
| Пошлите импульсы и продвиньтесь | Значения ответа с определенной вероятностью того, чтобы быть фактическим ответом системы. | Пошлите импульсы и продвиньтесь графики |
| Частотная характеристика | Значения ответа с определенной вероятностью того, чтобы быть фактическим ответом системы. | Графики частотных характеристик |
| Шумовой спектр | Значения спектра мощности с определенной вероятностью того, чтобы быть фактическим шумовым спектром системы. | Шумовые графики спектра |
| Полюса и нули | Полюс или нулевые значения с определенной вероятностью того, чтобы быть фактическим полюсом или нулем системы. | Нулевые полюсом графики |
