В дополнение к оценке параметров модели алгоритмы тулбокса также оценивают изменчивость параметров модели, которые следуют из случайных воздействий в выходе.
Понимание изменчивости модели помогает вам изучить, 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 структура модели.
При проверке параметрических моделей проверяйте значения неопределенности. Большая неопределенность в параметрах может быть вызвана высокими порядками модели, несоответствующим возбуждением и плохим отношением сигнал-шум в данных.
Неопределенность в модели называется ковариацией модели.
Когда вы оцениваете модель, ковариационная матрица предполагаемых параметров хранится с моделью. Использование getcov
выбирать ковариационную матрицу. Использование getpvec
выбирать список параметров и их отдельной неопределенности, которая была вычислена с помощью ковариационной матрицы. Ковариационная матрица используется для расчета вся неопределенность в выходе модели, Диаграммах Боде, остаточных графиках и диаграммах нулей и полюсов.
Вычисление ковариационной матрицы основано на предположении, что структура модели дает правильное описание системной динамики. Для моделей, которые включают возмущение H, правильная оценка неопределенности принимает, что модель производит белые остаточные значения. Чтобы определить, можно ли доверять предполагаемым значениям неопределенности 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 неопределенности параметра случайных воздействий в выходе.
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
, расчет ковариационной матрицы не принимает белые остаточные значения. 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 неопределенности из линейных и нелинейных моделей серого ящика:
Неопределенность в предполагаемых параметрах.
Введите present(model)
в подсказке, где model
представляет имя линейной или нелинейной модели.
Доверительные интервалы на линейных графиках модели, включая переходной процесс, импульсную характеристику, Предвещают, Найквист, шумовой спектр и диаграммы нулей и полюсов.
Доверительные интервалы вычисляются на основе изменчивости в параметрах модели. Для получения информации об отображающихся доверительных интервалах см. Определение Доверительного интервала для Определенных Графиков Модели.
Ковариационная матрица предполагаемых параметров в линейных моделях и нелинейном использовании моделей серого ящика getcov
.
Предполагаемые стандартные отклонения полиномиальных коэффициентов, полюсов/нулей или использования матриц пространства состояний idssdata
, tfdata
, zpkdata
, и polydata
.
Симулированные выходные значения для линейных моделей с использованием стандартных отклонений sim
.
Вызовите sim
команда с выходными аргументами, где вторым выходным аргументом является предполагаемое стандартное отклонение каждого выходного значения. Например, введите [ysim,ysimsd] = sim(model,data)
, где ysim
симулированный выход, ysimsd
содержит стандартные отклонения на симулированном выходе и data
данные моделирования.
Выполните аналитическое использование Монте-Карло rsample
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.
Симулируйте эффект неопределенности параметра на использовании ответа модели simsd
.
Можно отобразить доверительный интервал на следующих типах графика:
Постройте тип | Доверительный интервал соответствует области значений... | Больше информации об отображающемся доверительном интервале |
---|---|---|
Симулированный и предсказанный Выход | Выходные значения с определенной вероятностью того, чтобы быть фактическим выходом системы. | Выходные графики модели |
Остаточные значения | Остаточные значения с определенной вероятностью того, чтобы быть статистически незначительным для системы. | Графики остаточных значений |
Пошлите импульсы и продвиньтесь | Значения отклика с определенной вероятностью того, чтобы быть фактическим ответом системы. | Пошлите импульсы и продвиньтесь графики |
Частотная характеристика | Значения отклика 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. | Диаграммы нулей и полюсов |