Для проверки моделей можно использовать следующие подходы.
Сравнение моделируемого или прогнозируемого выхода модели с измеряемым выходом.
См. раздел Моделирование и прогнозирование вывода идентифицированной модели.
Сведения о моделировании идентифицированных моделей в среде Simulink ® см. в разделе Моделирование идентифицированных моделей в Simulink.
Анализ автокорреляции и взаимной корреляции остатков с входными данными.
Смотрите раздел Что такое остаточный анализ?.
Анализ реакции модели. Дополнительные сведения см. в следующих разделах:
Сведения о реакции шумовой модели см. в разделе Графики шумового спектра.
Печать полюсов и нулей линейной параметрической модели.
Дополнительные сведения см. в разделе Графики полюсов и нулей.
Сравнение отклика непараметрических моделей, таких как импульсная, ступенчатая и частотно-ответная модели, с параметрическими моделями, такими как линейные полиномиальные модели, модель пространства состояний и нелинейные параметрические модели.
Примечание
Не используйте это сравнение, когда обратная связь присутствует в системе, поскольку обратная связь делает непараметрические модели ненадежными. Для проверки наличия обратной связи в системе используйте advice команда для данных.
Сравнение моделей с использованием информационного критерия Akaike или ошибки окончательного прогнозирования Akaike.
Дополнительные сведения см. в разделе aic и fpe справочная страница.
Печать линейных и нелинейных блоков моделей Hammerstein-Wiener и нелинейных ARX.
Отображение доверительных интервалов на поддерживаемых графиках помогает оценить неопределенность параметров модели. Дополнительные сведения см. в разделе Неопределенность расчетной модели.
Для графиков, сравнивающих отклик модели с измеренным откликом и выполняющих остаточный анализ, выделяются два типа наборов данных: один для оценки моделей (оценочные данные), а другой для проверки моделей (проверочные данные). Несмотря на то, что можно назначить один и тот же набор данных для оценки и проверки модели, существует риск чрезмерной подгонки данных. При проверке модели с использованием независимого набора данных этот процесс называется перекрестной проверкой.
Примечание
Данные проверки должны быть такими же по частотному содержанию, как и данные оценки. Если данные оценки были отклонены, необходимо удалить тот же тренд из данных проверки. Дополнительные сведения об сдерживании см. в разделе Обработка смещений и тенденций в данных.