Можно использовать диаграммы нулей и полюсов линейных идентифицированных моделей, чтобы оценить, может ли быть полезно уменьшить порядок модели. Когда доверие интервалы для перекрытия пара полюс-ноль, это перекрытие указывает на возможное удаление нулей-полюсов.
Для примера можно использовать следующий синтаксис, чтобы построить график интервала доверия отклонения 1 стандарт вокруг полюсов модели и нулей.
showConfidence(iopzplot(model))
Если полюсы и нули перекрываются, попробуйте оценить модель более низкого порядка.
Всегда подтверждайте выход модели и невязки, чтобы увидеть, изменяется ли качество подгонки после уменьшения порядка модели. Если график указывает на удаления нулей-полюсов, но уменьшение порядка модели ухудшает подгонку, то дополнительные полюса, вероятно, описывают шум. В этом случае можно выбрать другую структуру модели, которая разделяет динамику системы и шум. Например, попробуйте ARMAX, Output-Error или Box-Jenkins структуры полиномиальной модели с A или F полиномом порядка, равного числу незанятых полюсов. Для получения дополнительной информации об оценке линейных полиномиальных моделей, см. «Входно-выходные полиномиальные модели».
