Документация

Сравните образцовый Вывод с измеренным Выводом

Постройте моделируемый, или предсказал образцовый вывод и измерил выходные данные для сравнения, и вычислите лучшие подходящие значения. В командной строке используйте команду compare. Можно также использовать sim и predict, чтобы моделировать и предсказать образцовый ответ. Для получения информации о графическом выводе моделируемого и предсказанного вывода в приложении смотрите Симуляцию и Прогноз в Приложении.

Проверяйте итеративные поисковые условия завершения

Отчет оценки, который сгенерирован после образцовой оценки, перечисляет причину, программное обеспечение отключило оценку. Например, предположите, что отчет указывает, что оценка достигла максимального количества итераций. Можно попытаться повторить оценку путем определения большего значения для максимального количества итераций. Для получения информации о том, как сконфигурировать максимальное количество итераций и других опций оценки, смотрите, Задают Опции Оценки для Нелинейных Моделей ARX.

Чтобы просмотреть отчет оценки в приложении, после, образцовая оценка завершена, просмотрите область Estimation Report вкладки Estimate. В командной строке используйте M.Report.Termination, чтобы отобразить условия завершения оценки, где M является предполагаемой моделью Nonlinear ARX. Например, проверяйте поле M.Report.Termination.WhyStop, которое описывает, почему оценка была остановлена.

Для получения дополнительной информации об отчете оценки, см. Отчет Оценки.

Проверяйте итоговые значения функции ошибок и функции потерь прогноза

Можно сравнить производительность нескольких предполагаемых моделей путем сравнения итоговой функции ошибок прогноза и значений функции потерь, которые показывают в отчете оценки.

Чтобы просмотреть эти значения для предполагаемой модели M в командной строке, используйте M.Report.Fit.FPE (итоговая ошибка прогноза) и M.Report.Fit.LossFcn (значение функции потерь при завершении оценки) свойства. Меньшие значения обычно указывают на лучшую производительность. Однако значения M.Report.Fit.FPE могут быть ненадежными, когда модель содержит много параметров относительно размера данных оценки. Используйте эти индикаторы с другими методами валидации, чтобы сделать надежные выводы.

Выполните остаточный анализ

Невязки являются различиями между образцовым выводом и измеренным выводом. Таким образом невязки представляют фрагмент вывода, не объясненного моделью. Можно анализировать невязки с помощью методов, таких как тест белизны и тест независимости. Для получения дополнительной информации об этих тестах, смотрите то, Что Остаточный Анализ?.

В командной строке используйте resid, чтобы вычислить, построить, и анализировать невязки. Чтобы построить невязки в приложении, смотрите, Как Построить Невязки в Приложении.

Исследуйте нелинейные графики ARX

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.

plot(M)