Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Функции параметрического оценивания
Группа образована следующими 11 функциями. Функция ar
Функция аг оценивает параметры модели авторегрессии (AR), то есть коэффициенты полинома А(z), при моделировании скалярных временных последовательностей:
th - ar(y,n) [th.refl] = ar(y,n,approach,win,maxsize,T)
Аргументы: • у — вектор-столбец данных, содержащий N элементов; • n — порядок модели (число оцениваемых коэффициентов); • аргумент approach (строковая переменная) определяет метод оценивания: o 'fb'— прямой-обратный метод (разновидность метода наименьших квадратов). Используется по умолчанию; о 'ls' — метод наименьших квадратов (МНК); о 'yw' — метод Юла-Уокера; o 'burg' — метод Бэрга (комбинация МНК с минимизацией гармонического среднего); о 'gl' — метод с использованием геометрического среднего. Если любое из данных значений заканчивается нулем (например, 'burg0'), то вычисление сопровождается оцениванием корреляционных функций; • Аргумент win (строковая переменная) используется в случае отсутствия части данных: o win = 'now' — используются только имеющиеся данные (используется по умоляанию — за исключением случая approach = 'yw'); o window = 'prw' — отсутствующие начальные данные заменяются нулями, так что суммирование начинается с нулевого момента времени; o window = 'pow* — последующие отсутствующие данные заменяются нулями, так что суммирование расширяется до момента времени N+n; o window = 'ppw' — и начальные, и последующие отсутствующие данные заменяются нулями. Используется в алгоритме Юла— Уокера; • Аргумент maxsize определяет максимальную размерность задачи; • Т — интервал дискретизации. Иозвращаемые величины: • th — информация о модели в так называемом тета-формате (внутреннем матричном формате представления параметрических моделей пакета System Identification); • refl — информация о коэффициентах и функции потерь. Пример использования функции аг для оценивания модели авторегрессии 4-го порядка приведен ниже. » load dryer2; %3aгрузка данных » у = [у2(1:300)]; » th = ar(y,4); %Оценивание AR-модели » present(th) %Вывод информации о модели This matrix was created by the command AR on 1/19 2001 at 9:8 Loss fcn: 0.010782 Akaike's FPE: 0.011074 Sampling interval 1 The polynomial coefficients and their standard deviations are A = 1.0000 -2.1716 1.5697 -0.3183 -0.0790 0 0 0.0579 0.1379 0.1384 0.0583 Матрица А содержит коэффициенты полинома A(z) (первая строка) и их стандартные отклонения (вторая строка). Текст сообщает о величине функции потерь и о значении интервала дискретизации. В данном случае он (по умолчанию) равен 1.
Функция armax Функция armax оценивает параметры ARMAX-модели: th = armax(z,nn) th = armax(z,nn,'trace') [th, iter_info] = armax(z,nn,maxiter,tol,lim,maxsize,T, 'trace') Аргументы функции: • z = [у u] — матрица экспериментальных данных; в случае многомерного входа и представляет собой матрицу с числом столбцов, равным числу входов; • nn = [na nb nc nk] — задаваемые параметры ARMAX-модели (степени полиномов и величина задержки); • 'trace' — наличие этого аргумента задает выдачу информации о ходе итерационного процесса вычислений (трассировка); • maxiter — определяет максимальное число итераций при решении оптимизационной задачи, по умолчанию maxiter =10; • tol — определяет заданную погрешность вычислений при поиске • lim — так называемый критерий робастности, по умолчанию lim = 1.6. • maxsize — определяет максимальную размерность задачи, по умол • Т — интервал дискретизации, но умолчанию равен 1. Возвращаемые величины: • th — информация о модели в тета-формате; • iterinfo = [номер последней итерации, значение функции потерь на данной итерации] — информация о выполнении итерационного процесса оценивания модели. Использование функции агтах иллюстрируется следующим примером: » load dryer2 %3aгрузка данных » y =[у2 u2]; » t = armax(z,[2 2 2 1]); %Оценивание ARMAX-иодели » present(th) %Вывод информации о модели
This matrix was created by the command ARMAX on 1/19 2001 at 9:56 Loss fen: 0.0071844 Akaike's FPE: 0.0072712 Sampling interval 1 The polynomial coefficients and their standard deviations are В = 0 0.0073 0.0451 0 0.0021 0.0025 A = 1.00 -1.6490 0.7026 0 0.0097 0.0088 C = 1.00 -0.2741 -0.4759 0. 0.0289 0.0285 В данном случае задана структура модели, все полиномы которой имеют 2-й порядок. Для выводимой информации, по-видимому, особых разъяснений не требуется. Функция агх Функция агх оценивает параметры моделей AR и ARX: th = arx(z,nn) th = arx(z,nn,maxsize,T) Аргументы и возвращаемая величина идентичны используемым в предыдущей функции за тем исключением, что аргумент пп содержит только три параметра: nn - [nа nb nк]
Функция может использоваться для оценивания параметров много-входовой модели вида A{z)y{t) = B{(z)u{(t-nkx) + при этом • в представлении z = [y u] экспериментальных данных u = [ul, u2,..., unu] есть матрица, столбцы которой соответствуют входам; • nb и nk — векторы-столбцы, определяющие порядки полиномов Bj (z) и задержки nkj для входов объекта. Функция bj Функция bj оценивает параметры модели Бокса—Дженкинса: th = bj(z,nn) th = bj(z,nn,'trace') [th, iter_info] = bj(z,nn,maxiter,tol.,lim,maxsize,T,'trace') Аргументы и возвращаемые величины идентичны приведенным для функции аrmах за тем исключением, что в данном случае аргумент nn содержит пять параметров: nn = [nb nc nd nf nk], то есть степени четырех полиномов и величину задержки. Функция canstart Функция canstart оценивает коэффициенты канонической формы модели для переменных состояния: th = canstart(z,orders,nu) th = canstart(z,orders,nu,dkx) Аргументы функции следующие: • z — матрица данных; • orders — скаляр, задающий порядок п модели; • nu— число входов; • dkx = [d, k, x] — трехэлементный вектор, в котором:, o k = l означает, что матрица К в модели полностью параметризована (то есть подлежит оцениванию); к=0 означает, что К = 0; o d имеет тот же смысл, но по отношению к матрице модели D; o х=1 означает, что параметризован вектор начальных значений переменных состояния; при х = 0 данные значения полагаются нулевыми. По умолчанию dkx = [0, 1, 1]. Возвращаемая величина th — модель в тета-формате. Приведем пример использования рассматриваемой функции с целью восстановления модели для переменных состояния второго порядка по имеющимся экспериментальным данным (один вход, один выход). Соответствующий фрагмент программы и результаты вычислений приведены ниже: » load dryer2 % 3агрузка данных » z=[y2 u2]; » th = canstart(z,2,1); %Оценивание mодели » present(th) %Вывод информации омодели
|
||||||
Последнее изменение этой страницы: 2017-02-10; просмотров: 111; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.191.174.168 (0.009 с.) |