В этом примере показано, как неявно создать рассеянную модель в пространстве состояний, которая содержит компонент регрессии в уравнении наблюдения. Модель состояния содержит ARMA (1,1) и случайный обход состояния.
Запишите функцию, которая задает как параметры в params
сопоставьте с матрицами модели в пространстве состояний со значениями начального состояния, и к типу состояния. Задайте компонент регрессии путем выкачивания наблюдений в функции. Символически, модель:
% Copyright 2015 The MathWorks, Inc. function [A,B,C,D,Mean0,Cov0,StateType,DeflateY] = diffuseRegressionParamMap(params,y,z) % Diffuse state-space model with a regression component parameter mapping % function example. This function maps the vector params to the state-space % matrices (A, B, C, and D) and indicates the type of states (StateType). % The state model contains an ARMA(1,1) model and a random walk. varu1 = exp(params(3)); % Positive variance constraint vare1 = exp(params(5)); A = [params(1) params(2); 0 0]; B = [sqrt(varu1) 0; 1 0]; C = [varu1 0]; D = sqrt(vare1); Mean0 = []; % Let software infer Mean0 Cov0 = []; % Let software infer Cov0 StateType = [0 0 2]; DeflateY = y - params(6)*z; end
Сохраните этот код как файл с именем diffuseRegressionParamMap.m
к папке на вашем пути MATLAB®.
Создайте рассеянную модель в пространстве состояний путем передачи diffuseRegressionParamMap
как указатель на функцию к dssm
.
Mdl = dssm(@(params)diffuseRegressionParamMap(params,y,z));
dssm
неявно создает рассеянную модель в пространстве состояний. Обычно, вы не можете проверить неявно заданные модели в пространстве состояний.
Прежде, чем создать модель, гарантируйте что переменные y
и z
существуйте в своей рабочей области.