Создайте модель в пространстве состояний со случайным коэффициентом состояния

В этом примере показано, как создать изменяющееся во времени, модель в пространстве состояний, содержащая случайное, утвердите коэффициент.

Запишите функцию, которая задает как параметры в params сопоставьте с матрицами модели в пространстве состояний, значениями начального состояния и типом состояния. Символически, модель

$$\begin{array}{*{20}{c}}
{\left[ {\begin{array}{*{20}{c}}
{{x_{1,t}}}\\
{{x_{2,t}}}
\end{array}} \right] = \left[ {\begin{array}{*{20}{c}}
1&0\\
0&\phi
\end{array}} \right]\left[ {\begin{array}{*{20}{c}}
{{x_{1,t - 1}}}\\
{{x_{2,t - 1}}}
\end{array}} \right] + \left[ {\begin{array}{*{20}{c}}
1&0\\
0&\sigma
\end{array}} \right]\left[ {\begin{array}{*{20}{c}}
{{u_{1,t}}}\\
{{u_{2,t}}}
\end{array}} \right]}\\
{{y_t} = \left[ {\begin{array}{*{20}{c}}
1&1
\end{array}} \right]\left[ {\begin{array}{*{20}{c}}
{{x_{1,t}}}\\
{{x_{2,t}}}
\end{array}} \right] + {\varepsilon _t}}
\end{array}.$$

$\phi$ случайный коэффициент.


% Copyright 2015 The MathWorks, Inc.

function [A,B,C,D] = randomCoeffParamMap(c)
% State-space model parameter-to-matrix mapping function with a random
% coefficient example.  There are two states: one is a random walk with
% disturbance variance 1, and the other is a first-order Markov model with
% a random coefficient and an unknown variance.  The observation equation
% is the sum of the two states, and the innovation has variance 1.
A = diag([1,c(1)*rand]);
B = [1 0; 0 c(2)];
C = [1,1];
D = 1;
end

Создайте модель в пространстве состояний путем передачи randomCoeffParamMap как указатель на функцию к ssm.

rng('default'); % For reproducibility
Mdl = ssm(@randomCoeffParamMap);

ssm неявно создает ssm модель Mdl.

Отобразите Mdl использование disp. Задайте начальные значения параметров.

disp(Mdl,[3; 5])
State-space model type: <a href="matlab: doc ssm">ssm</a>

State vector length: 2
Observation vector length: 1
State disturbance vector length: 2
Observation innovation vector length: 1
Sample size supported by model: Unlimited

State variables: x1, x2,...
State disturbances: u1, u2,...
Observation series: y1, y2,...
Observation innovations: e1, e2,...

State equations:
x1(t) = x1(t-1) + u1(t)
x2(t) = (0.38)x2(t-1) + (5)u2(t)

Observation equation:
y1(t) = x1(t) + x2(t) + e1(t)

Initial state distribution:

Initial state means
 x1  x2 
  0   0 

Initial state covariance matrix
     x1     x2    
 x1  1e+07  0     
 x2  0      1e+07 

State types
    x1       x2   
 Diffuse  Diffuse 

disp устанавливает параметры на их начальные значения или функции их начальных значений. В этом случае первый параметр является временами начальных значений случайное число.

Смотрите также

|

Связанные примеры

Больше о

Для просмотра документации необходимо авторизоваться на сайте