Суперклассы:
Создайте рассеянную модель в пространстве состояний
dssm
создает линейную рассеянную модель в пространстве состояний с независимыми Гауссовыми воздействиями состояния и инновациями наблюдения. Рассеянная модель в пространстве состояний содержит рассеянные состояния, и отклонениями начальных распределений рассеянных состояний является Inf
. Все рассеянные состояния независимы друг от друга и всех других состояний. Программное обеспечение реализует рассеянный Фильтр Калмана для фильтрации, сглаживания и оценки параметра.
Вы можете:
Задайте независимую от времени или изменяющуюся во времени модель.
Задайте, являются ли состояния стационарными, статическими, или неустановившимися.
Задайте изменение состояния, загрузку воздействия состояния, чувствительность измерения или матрицы инноваций наблюдения:
Явным образом путем обеспечения матриц
Неявно путем обеспечения функции, которая сопоставляет параметры с матрицами, то есть, функцией отображения параметра к матрице
После создания рассеянной модели в пространстве состояний, содержащей неизвестные параметры, можно оценить ее параметры путем передачи созданного dssm
объект модели и данные к estimate
. estimate
функционируйте создает функцию правдоподобия с помощью рассеянного Фильтра Калмана.
Используйте абсолютно заданную модель (то есть, все значения параметров модели известны) к:
создает рассеянную модель в пространстве состояний (Mdl
= dssm(A
,B
,C
)Mdl
) использование матрицы Грина A
, матрица загрузки воздействия состояния B
, и матрица чувствительности измерения C
.
создает рассеянную модель в пространстве состояний с помощью матрицы Грина Mdl
= dssm(A
,B
,C
,D
)A
, матрица загрузки воздействия состояния B
, матрица чувствительности измерения C
, и матрица инноваций наблюдения D
.
использование любой из входных параметров в предыдущих синтаксисах и дополнительных опциях, что вы задаете одним или несколькими Mdl
= dssm(___,Name,Value
)Name,Value
парные аргументы.
создает рассеянную модель в пространстве состояний с помощью функции отображения параметра к матрице (Mdl
= dssm(ParamMap
)ParamMap
) то, что вы пишете. Функция сопоставляет вектор из параметров к матрицам A
B
, и C
. Опционально, ParamMap
может сопоставить параметры с D
, Mean0
, Cov0
. Чтобы задать типы состояний, функция может возвратить StateType
. Вмещать компонент регрессии в уравнении наблюдения, ParamMap
может также возвратить выкачанные данные о наблюдении.
преобразует объект модели в пространстве состояний (Mdl
= dssm(SSMMdl
)SSMMdl
) к рассеянному объекту модели в пространстве состояний (Mdl
). dssm
наборы все начальные отклонения рассеянных состояний в SSMMdl.Cov0
к Inf
.
Значение. Чтобы узнать, как классы значений влияют на операции копирования, см. раздел "Копирование объектов".
Задайте ParamMap
в более общей или комплексной установке, где, например:
Значения начального состояния являются параметрами.
В изменяющихся во времени моделях вы хотите использовать те же параметры больше чем для одного периода.
Вы хотите наложить ограничения параметра.
Можно создать dssm
объект модели, который не содержит рассеянных состояний. Однако последующие расчеты, например, фильтруя и оценка параметра, могут быть неэффективными. Если все состояния имеют стационарные распределения или являются постоянным 1, то создают ssm
объект модели вместо этого.
Значения по умолчанию для Mean0
и Cov0
:
Если вы явным образом задаете модель в пространстве состояний (то есть, вы предоставляете содействующим матрицам A
B
C
, и опционально D
то:
Для устойчивых состояний программное обеспечение генерирует начальное значение с помощью стационарного распределения. Если вы вводите все значения в содействующих матрицах (то есть, ваша модель не имеет никаких неизвестных параметров), то dssm
генерирует начальные значения. В противном случае программное обеспечение генерирует начальные значения во время оценки.
Для состояний, которые всегда являются постоянным 1, dssm
наборы Mean0
к 1 и Cov0
к 0
.
Для рассеянных состояний программное обеспечение устанавливает Mean0
к 0 и Cov0
к Inf
по умолчанию.
Если вы неявно задаете модель в пространстве состояний (то есть, вы предоставляете вектор параметра функции содействующего отображения матриц ParamMap
), затем программное обеспечение генерирует начальные значения во время оценки.
Для статических состояний, которые не равняются 1 в течение выборки, программное обеспечение не может присвоить значение вырожденному распределению начального состояния. Поэтому установите статические состояния на 2
использование аргумента пары "имя-значение" StateType
. Впоследствии, программное обеспечение обрабатывает статические состояния как неустановившиеся и присваивает статическое состояние рассеянное начальное распределение.
Это - лучшая практика установить StateType
для каждого состояния. По умолчанию программное обеспечение генерирует StateType
, но это поведение не может быть точным. Например, программное обеспечение не может различать постоянное 1 состояние и статическое состояние.
Программное обеспечение не может вывести StateType
из данных, потому что данные теоретически прибывают из уравнения наблюдения. Реализация уравнения состояния неразличима.
dssm
модели не хранят наблюдаемые ответы или данные о предикторе. Снабдите данными везде, где необходимое использование соответствующего входа или аргументов пары "имя-значение".
Предположим, что вы хотите создать рассеянную модель в пространстве состояний с помощью функции отображения параметра к матрице с этой подписью:
[A,B,C,D,Mean0,Cov0,StateType,DeflateY] = paramMap(params,Y,Z)
Mdl = dssm(@(params)paramMap(params,Y,Z))
Y
и данные о предикторе Z
не входные параметры в анонимной функции. Если Y
и Z
существуйте в рабочем пространстве MATLAB, прежде чем вы создадите Mdl
, затем программное обеспечение устанавливает ссылку на них. В противном случае, если вы передаете Mdl
к estimate
, программное обеспечение выдает ошибку.Ссылка на данные, установленные анонимной функцией, заменяет все другие соответствующие значения входного параметра estimate
. Это различие важно особенно при проведении прокручивающегося анализа окна. Для получения дополнительной информации смотрите Анализ Окна Прокрутки Моделей Timeseries.
Создайте ssm
объект модели вместо dssm
объект модели, когда:
Модель не содержит рассеянных состояний.
Рассеянные состояния коррелируются друг с другом или к другим состояниям.
Вы хотите реализовать стандартный Фильтр Калмана.
[1] Дербин Дж. и С. Дж. Купмен. Анализ Временных рядов Методами Пространства состояний. 2-й редактор Оксфорд: Издательство Оксфордского университета, 2012.