time series - это данные, которые содержат один или несколько измеренных выходных каналов, но не измеренный вход. Модель временных рядов, также называемая моделью сигнала, является динамической системой, которая идентифицируется, чтобы соответствовать заданному сигналу или данным временных рядов. Временные ряды могут быть многомерными, что приводит к многомерным моделям. Можно идентифицировать модели временных рядов в приложении System Identification или в командной строке. System Identification Toolbox™ позволяет вам создать и оценить четыре общих типа модели временных рядов.
Линейные параметрические модели - Оценка параметров в структурах, таких как авторегрессивные модели и модели пространства состояний.
Модели частотной характеристики - Оценка спектральных моделей с помощью спектрального анализа.
Нелинейные модели ARX - Оценка параметров в нелинейной структуре ARX.
Модели серого ящика - оцените коэффициенты обыкновенного дифференциального или разностных уравнений, которые представляют динамику вашей системы.
Параметрическая идентификация модели временных рядов требует равномерно дискретизированных данных временной области, за исключением модели ARX, которая может обрабатывать сигналы частотного диапазона. Алгоритмы спектрального анализа поддерживают данные во временной и частотной областях. Ваши данные могут иметь один или несколько выходных каналов и не должны иметь входного канала. Для получения дополнительной информации о моделях временных рядов смотрите Что такое модели временных рядов?
Можно использовать идентифицированные модели для предсказания выхода модели в командной строке, в приложении или в Simulink®. В командной строке можно также предсказать выходы модели за пределами временной области значений измеренных данных.
Что такое модели временных рядов?
Модель временных рядов, также называемая моделью сигнала, является динамической системой, которая идентифицируется как подгонка данных, которая включает только выходные каналы и нет входных каналов.
Анализируйте модели Timeseries
Узнать, как анализировать модели временных рядов.
Идентифицируйте модели временных рядов в командной строке
Симулируйте временной ряд и используйте параметрические и непараметрические методы для оценки и сравнения моделей timeseries.
Оцените полиномиальные модели AR и ARMA для данных временных рядов в командной строке и в приложении.
Оцените авторегрессивные интегрированные модели Скользящего среднего значения (ARIMA).
Оценка моделей временных рядов в пространстве состояний
Оцените модели пространства состояний для данных временных рядов в командной строке.
Оценка спектров степени Timeseries
Оцените спектры степени для данных временных рядов в командной строке и в приложении.
Оценка коэффициентов ОДУ в соответствии с данным решением
Оцените параметры модели с помощью линейного и нелинейного серо-прямоугольного моделирования.
Прогнозный выход динамической системы
Рабочий процесс для прогнозирования данных временных рядов и входно-выходных данных с помощью линейных и нелинейных моделей.
Предсказание и прогнозирование временных рядов для прогноза
Создайте модель временных рядов и используйте модель для предсказания, прогнозирования и оценки состояния.
Введение в прогнозирование Динамической системы отклика
Осмыслите концепцию прогнозирования данных с помощью линейных и нелинейных моделей.