Документация

Сравнение выходов моделируемой модели с измеренными выходами

Постройте график выхода моделируемой модели и измеренных выходных данных для сравнения и вычислите значения наилучшей подгонки. В командной строке используйте compare команда. Вы также можете использовать sim для симуляции отклика модели. Обратите внимание, что для моделей Гаммерштейна-Винера моделируемый и предсказанный выход модели эквивалентны, потому что эти модели имеют тривиальную шумовую составляющую, то есть аддитивное нарушение порядка в этих моделях является белым шумом. Для получения информации о графическом изображении моделируемого выхода в приложении, смотрите Симуляция и Предсказание в Приложении.

Проверяйте итерационные условия окончания поиска

Отчет об оценке, который генерируется после оценки модели, перечисляет причину, по которой программное обеспечение завершило оценку. Например, предположим, что отчет указывает, что оценка достигла максимального количества итераций. Можно попробовать повторить оценку, задав большее значение для максимального количества итераций. Для получения информации о том, как сконфигурировать максимальное количество итераций и других опций оценки, смотрите Задайте Алгоритм Оценки.

Чтобы просмотреть отчет об оценке в приложении, после завершения оценки модели просмотрите Estimation Report область вкладки Estimate. В командной строке используйте M.Report.Termination отображение условий завершения оценки, где M - предполагаемая модель Гаммерштейна-Винера. Для примера проверьте M.Report.Termination.WhyStop поле, которое описывает, почему оценка была остановлена.

Для получения дополнительной информации об отчете по оценке смотрите Отчет по оценке.

Проверяйте значения окончательных ошибок предсказания и функций потерь

Можно сравнить эффективность нескольких оценочных моделей путем сравнения значений окончательной ошибки предсказания и функции потерь, которые показаны в отчете оценки.

Чтобы просмотреть эти значения для предполагаемой модели M в командной строке используйте M.Report.Fit.FPE (окончательная ошибка предсказания) и M.Report.Fit.LossFcn (значение функции потерь при завершении оценки) свойства. Меньшие значения обычно указывают на лучшую эффективность. Однако M.Report.Fit.FPE значения могут быть ненадежными, когда модель содержит много параметров относительно размера данных оценки. Используйте эти индикаторы с другими методами валидации, чтобы сделать надежные выводы.

Выполните остаточный анализ

Невязки - эти различия между выходом модели и измеренным выходом. Таким образом, невязки представляют фрагменты выхода, не объясненные моделью. Можно анализировать невязки с помощью таких методов, как тест белизны и тест независимости. Для получения дополнительной информации об этих тестах см. «Что такое остаточный анализ»?

В командной строке используйте resid для вычисления, построения и анализа невязок. Чтобы построить графики невязок в приложении, смотрите Как построить невязки в Приложении.

Изучение графиков Гаммерштейна-Винера

График Гаммерштейна-Винера отображает статические входные и выходные нелинейности и линейные отклики модели Гаммерштейна-Винера.

Изучение графика Гаммерштейна-Винера может помочь вам определить, выбрали ли вы сложную нелинейность для моделирования вашей системы. Например, предположим, что вы используете кусочно-линейную входную нелинейность для оценки вашей модели, но график указывает на поведение насыщения. Можно оценить новую модель, используя вместо этого более простую нелинейность насыщения. Для многомерных систем можно использовать график Гаммерштейна-Винера, чтобы определить, исключить ли нелинейности для конкретных каналов. Если нелинейность для определенного входного или выходного канала не показывает сильного нелинейного поведения, можно оценить новую модель после установки нелинейности в этом канале на единичное усиление.

Вы можете сгенерировать эти графики в приложении System Identification и в командной строке. В окне plot можно просмотреть нелинейности и линейные отклики, щелкнув один из трех блоков, которые представляют модель:

plot(M)