Моделируйте данные timeseries.

init_sys = idpoly([1 -0.99],[],[1 -1 0.2]);
opt = simOptions('AddNoise',true);
u = iddata([],zeros(400,0),1);
data = sim(init_sys,u,opt);

data является iddata объект, содержащий симулированный отклик данные модели временных рядов.

Оцените модель ARMAX при помощи data в качестве данных оценки.

na = 1;
nb = 2;
sys = armax(data(1:200),[na nb]);

Спрогнозируйте выход модели с помощью горизонта предсказания 4.

K = 4;
yp = predict(sys,data,K);

yp является iddata объект. Предсказанный выход возвращается в OutputData свойство объекта.

Сравните предсказанные и оцененные выходы.

plot(data(201:400),yp(201:400));
legend('Estimation data','Predicted data');

В качестве альтернативы, чтобы построить график предсказанных данных отклика и оценки, используйте compare(sys,data,K).

Загрузите данные оценки.

load iddata1;
data = z1;

Оцените модель ARX порядка [2 2 1].

sys1 = arx(data,[2 2 1]);

Оцените передаточную функцию с 2 полюсами.

 sys2 = tfest(data,2);

Создайте predict набор опций, чтобы задать нулевые начальные условия для предсказания.

opt = predictOptions('InitialCondition','z');

Постройте график предсказанных выходов для предполагаемых моделей. Используйте указанный набор опций предсказания, opt, и задайте горизонт предсказания как 10. Задайте стили линии для графического изображения прогнозируемых выходов каждой системы.

predict(sys1,'r--',sys2,'b',data,10,opt);

Чтобы изменить параметры отображения, щелкните правой кнопкой мыши график, чтобы получить доступ к контекстному меню. Для примера, чтобы просмотреть данные оценки, выберите Показ Валидации Данные из контекстного меню. Чтобы просмотреть ошибку предсказания, выберите Prediction Error Plot.

Можно также построить график предсказанной реакции с помощью compare команда. Для этого сначала создайте набор опций для compare для определения использования нуля начальных условий.

opt = compareOptions('InitialCondition','z');
compare(data,sys1,'r--',sys2,'b',10,opt);

Используйте данные оценки для оценки модели, а затем вычислите предсказанную модель выхода и модель предиктора с помощью predict команда. Симулируйте модель предиктора, чтобы воспроизвести предсказанный выход.

Данные оценки нагрузки.

load iddata3 z3
data = z3;

Оцените полиномиальную модель из данных.

sys = polyest(z3,[2 2 2 0 0 1]);

Спрогнозируйте отклик системы с помощью предсказания горизонта 4.

K = 4;
[yp,ic,sysp] = predict(sys,data,K);

yp - предсказанная реакция модели, ic содержит предполагаемые начальные условия, и sysp является моделью предиктора.

Симулируйте модель предиктора со входами [data.OutputData,data.InputData] и начальные условия ic.

opt = simOptions;
opt.InitialCondition = ic;
ys = sim(sysp,[data.OutputData,data.InputData],opt);

Постройте график предсказанных и моделируемых выходов.

t = yp.SamplingInstants;
plot(t,yp.OutputData,'b',t,ys,'.r');
legend('Predicted Output','Simulated Output')

Включите начальные условия, которые вы получили ранее, в предсказание модели.

Загрузите данные.

load iddata1ic z1i

Задайте опцию оценки ARMAX, чтобы оценить начальное состояние.

estimOpt = armaxOptions('InitialCondition','estimate');

Оцените модель ARMAX и верните initialCondition ic объекта который инкапсулирует начальные условия в форме пространство состояний.

na = 2;
nb = 2;
nc = 2;
nk = 1;
[sys,ic] = armax(z1i,[na nb nc nk],estimOpt);

Задайте начальные условия для предсказания.

predictOpt = predictOptions('InitialCondition',ic);

Спрогнозируйте модель и получите ответ модели. Постройте график y с измеренными данными.

y = predict(sys,z1i,predictOpt);
plot(z1i,y)
legend('Measured Data','Predicted Response')

Измеренные и предсказанные отклики показывают хорошее согласие в начале предсказания.

Выполните предсказание модели, используя исторические данные, чтобы задать начальные условия. Вы сначала предсказываете использование predict и задайте исторические данные используя predictOptions набор опций. Затем вы воспроизводите предсказанную реакцию, вручную сопоставив исторические данные с начальными состояниями.

Загрузите набор данных с двумя входами и одним выходом.

load iddata7 z7

Идентифицируйте модель пространства состояний пятого порядка с помощью данных.

sys = n4sid(z7,5);

Разделите набор данных на две части.

zA = z7(1:15);
zB = z7(16:end);

Предположим, что вы хотите вычислить 10-ступенчатое предсказание отклика идентифицированной системы на данные zB. Для начальных условий используйте значения сигналов в zA как историческая запись. То есть входные и выходные значения для времени, непосредственно предшествующего данным в zB.

IO = struct('Input',zA.InputData,'Output',zA.OutputData);
opt = predictOptions('InitialCondition',IO);

Сгенерируйте 10-ступенчатое предсказание для zB данных использование заданных начальных условий и predict.

[yp,x0,Predictor] = predict(sys,zB,10,opt);

yp - предсказанная реакция модели, x0 являются ли начальные состояния, соответствующие модели предиктора Predictor. Можно симулировать Predictor использование x0 как начальные условия для воспроизведения yp.OutputData.

Теперь воспроизведите выход, вручную сопоставив исторические данные с начальными состояниями. Для этого минимизируйте 1-шаговые ошибки предсказания за временной промежуток zA.

x0est = data2state(sys,zA);

x0est содержит значения пяти состояний sys в то время сразу после последней выборки данных в zA.

The Predictor имеет больше состояний, чем исходная система, из-за 10-шагового горизонта предсказания. Задайте дополнительные состояния, вызванные горизонтом, до нуля начальных значений, а затем добавьте x0est.

x0Predictor = zeros(order(Predictor),1);
x0Predictor(end-4:end) = x0est;

Симулируйте предиктор, используя [zB.OutputData,zB.InputData] как входной сигнал и x0Predictor в качестве начальных условий.

uData = [zB.OutputData,zB.InputData]; % signals required for prediction
[ysim,t,xsim] = lsim(Predictor,uData,[],x0Predictor);

Постройте график предсказанного выхода predict командная yp.OutputData и результаты, вычисленные вручную ysim.

plot(t,yp.OutputData,t,ysim, '.')

ysim то же, что и yp.OutputData.