Одноступенчатая модель подходит для всех данных в одном процессе. Если входные данные не имеют иерархической структуры, а все входные данные модели являются глобальными на одном уровне, установите одноэтапную модель.
Если данные имеют локальные и глобальные входные данные, в которых одни переменные фиксируются, а другие изменяются, выберите двухэтапную или точечную модель. См. раздел Подгонка двухступенчатой модели или Подгонка двухточечной модели.
Подготовьте данные перед подгонкой модели.
В MATLAB ® на вкладке Приложения (Apps) в группе Автомобильный (Automotive) щелкните MBC Модель фитинга (MBC Model Fitting).
На главной странице браузера модели щелкните Импорт данных (Import Data).
Выберите импорт из файла или рабочей области.
С помощью обозревателя файлов выберите файл для импорта.
Откроется окно Редактор данных (Data Editor).
Используйте редактор данных для проверки и подготовки данных. Можно фильтровать, группировать и редактировать данные, а также определять новые переменные. См. раздел Использование данных.
На главной странице обозревателя моделей щелкните Вписать модели (Fit Models).
В диалоговом окне «Подгонка моделей» выберите набор данных в проекте из списка «Набор данных».
Если данные не загружены, можно щелкнуть Импорт из файла (Import from file) на панели Данные (Data). С помощью обозревателя файлов выберите файл для импорта.
При необходимости можно выбрать данные проверки в качестве образца данных фитинга или отдельного набора данных.
Щелкните значок Одноэтапный план тестирования на панели Шаблон.
На панели Входы и ответы (Inputs and Responses) выберите каналы данных для использования при моделировании ответов и нажмите кнопку для добавления к ответам.
Чтобы создать граничную модель, оставьте флажок Подогнать граничную модель (Fit boundary model) установленным. Граничная модель, описывающая пределы рабочей оболочки, может быть полезна при создании и оценке проектов, результатов оптимизации и глобальных моделей.
Выберите каналы данных для ввода модели и нажмите кнопку для добавления к ответам.
Нажмите кнопку ОК, чтобы подогнать типы моделей по умолчанию к выбранным данным. Панель инструментов вычисляет вписывание и добавляет новый узел модели в дерево модели. Тип модели ответа по умолчанию - гауссова модель процесса (GPM), которая обычно может обеспечить хорошее соответствие в первый раз.
При использовании созданного шаблона для переопределения моделей по умолчанию снимите флажок Использовать модели по умолчанию для больших данных (Use default models for large data).
| Типы моделей по умолчанию | Параметры больших данных для > 2000 точек |
|---|---|
| Модель ответа: модель Гауссова процесса (GPM) | Использует большое поведение данных для гауссовых моделей процессов из Statistics and Machine Learning Toolbox™. |
| Граничная модель: пригонка выпуклого корпуса к входам | Переключается на попарно выпуклый корпус. Выключатель, когда ≥ 8 исходных данных, даже когда <2 000 пунктов. |
Просмотр подгонки модели.
Функциональные возможности, доступные для просмотра и уточнения аппроксимации модели, описаны в разделе Оценка одноступенчатых моделей и рекомендации по выбору наилучшего аппроксимации модели.
После построения одной модели следует создать больше моделей для сравнения, чтобы найти наилучшее вписывание. Следуйте инструкциям в разделе Создание альтернативных моделей для сравнения.
Совет
Пример проекта с данными двигателя и готовыми моделями см. в разделе Калибровка бензинового двигателя.