Exponenta Banner
exponenta event banner

rplr

Оцените общие модели ввода - вывода с помощью рекурсивного метода псевдолинейной регрессии

Синтаксис

thm = rplr(z,nn,adm,adg)
[thm,yhat,P,phi] = rplr(z,nn,adm,adg,th0,P0,phi0)

Описание

rplr не совместимо с MATLAB® Coder™ или MATLAB Compiler™.

Это - прямая альтернатива rpem и имеет по существу тот же синтаксис. Смотрите rpem для объяснения аргументов ввода и вывода.

rplr отличается от rpem в этом это использует другое приближение градиента. Смотрите Раздел 11.5 в Ljung (1999). Несколько из особых случаев являются известными алгоритмами.

Когда применился к моделям ARMAX, (nn = [na nb nc 0 0 nk]), rplr дает метод расширенных наименьших квадратов (ELS). Когда применено структура ошибки на выходе (nn = [0 nb 0 0 nf nk]), метод известен как HARF в   adm = 'ff' случай и SHARF в adm = 'ng' случай.

rplr может также быть применен к случаю timeseries, в котором модель ARMA оценивается с:

z = y
nn = [na nc]

Примеры

Оцените параметры модели ошибки на выходе Используя рекурсивную псевдолинейную регрессию

Задайте порядок и задержки структуры модели Ошибки на выходе.

na = 0;
nb = 2;
nc = 0;
nd = 0;
nf = 2;
nk = 1;

Загрузите данные об оценке.

load iddata1 z1

Оцените использование параметров, забыв факторный алгоритм с упущением фактора 0.99.

EstimatedParameters = rplr(z1,[na nb nc nd nf nk],'ff',0.99);

Ссылки

Для получения дополнительной информации о HARF и SHARF, см. Главу 11 в Ljung (1999).

Смотрите также

| | | | | | |

Темы

Представлено до R2006a

Документация System Identification Toolbox

Поддержка