Matlab_AR模型阶数确定.docVIP

自回归（AR）模型 理论模型 自回归（AutoRegressive, AR）模型又称为时间序列模型，数学表达式为 其中，e(t)为均值为0，方差为某值的白噪声信号。 Matlab Toolbox 研究表明，采用Yule-Walker方法可得到优化的AR模型[1]，故采用aryule程序估计模型参数。 [m,refl] = ar(y,n,approach,window) 模型阶数的确定 有几种方法来确定。如Shin提出基于SVD的方法，而AIC和FPE方法是目前应用最广泛的方法。若计算出的AIC较小，例如小于-20，则该误差可能对应于损失函数的10-10级别，则这时阶次可以看成是系统合适的阶次。 am = aic(model1,model2,...) fp = fpe(Model1,Model2,Model3,...) AR预测 yp = predict(m,y,k) 表示预测模型；为实际输出；预测区间；yp为预测输出。 当kInf时，yp(t)为模型m与y(1,2,…t-k)的预测值；当k=Inf时，yp(t)为模型m的纯仿真值；默认情况下，k=1。 在计算AR模型预测时，k应取1，原因参照AR模型理论公式。 compare(y,m,k) [yh,fit,x0] = compare(y,m,k) Compare的预测原理与predict相同，但其对预测进行了比较。 AR误差 e =