什么是时间序列模型?
一个时间序列是没有测量输入的一个或多个测量输出通道。时间序列模型,也称为信号模型,是为拟合给定信号或时间序列数据而确定的动态系统。时间序列可以是多元的,这就导致了多元模型。
时间序列是通过假设它是一个接收白噪声信号的系统的输出来建模的e(t方差的)λ作为它的虚拟输入。这类模型的真实测量输入大小为零,其控制方程为:
y(t) = he(t)
在这里,y(t)为被建模的信号H传递函数是否表示两者之间的关系y(t),e(t).
多元功率谱Φ时间序列的y(t)由:
Φ=H(ΛTs)H”
在这里Λ噪声方差矩阵和Ts为模型采样时间。
系统识别工具箱™软件提供了建模和预测时间序列数据的工具。您可以估计时间序列数据的线性和非线性黑盒和灰盒模型。线性时间序列模型可以是一个多项式(idpoly
),状态空间(中的难点
,或idgrey
)模型。一些特殊类型的模型是参数自回归(AR),自回归和移动平均(ARMA),和自回归模型与综合移动平均(ARIMA)。对于非线性时间序列模型,工具箱支持非线性ARX模型。金宝app
你可以用时域和频域数据估计时间序列谱。时间序列谱用不同频率的循环分量描述时间序列的变化。
表示时间序列向量或矩阵年代
作为一个iddata
对象,使用以下语法:
y = iddata(s,[],Ts);
下面的例子说明了时间序列数据的四阶自回归模型估计z9
它被存储在文件中iddata9
.
Load iddata9 z9 sys = ar(z9,4);
因为模型没有测量输入,大小(sys, 2)
返回零。的控制方程sys
是(问)y (t)=e (t).您可以访问一个多项式使用sys。一个
以及噪声的估计方差e (t)使用sys。NoiseVariance
.