'z' — Нулевые начальные условия.

'e' — Оцените начальные условия, таким образом, что ошибка прогноза для наблюдаемого выходного сигнала минимизирована.

Для нелинейных моделей серого ящика, только те начальные состояния i это определяется как свободное в модели (sys.InitialStates(i).Fixed = false) оцениваются. Чтобы оценить все состояния модели, сначала задайте весь Nx состояния idnlgrey модель sys как свободный.

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

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

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

Используйте эту опцию в линейных моделях 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 в пространстве 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:

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

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

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

x0obj — Объект Specification, созданный с помощью idpar. Используйте этот объект в пространстве состояний дискретного времени (idss и idgrey) и нелинейный серый ящик (idnlgrey) модели только. Используйте x0obj наложить ограничения на начальные состояния путем фиксации их значения или определения минимальных или максимальных границ.

[] — Никакие входные смещения.

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

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) от i th входной сигнал j th эксперимент перед прогнозом.

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

[] — Никакие выходные смещения.

Вектор-столбец длины Ny, где Ny является количеством выходных параметров. Программное обеспечение вычитает значение смещения OutputOffset(i) от i th выходной сигнал перед использованием выхода, чтобы предсказать ответ модели. 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) от i th выходной сигнал j th эксперимент перед прогнозом.

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

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

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

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

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