matlab_ar模型阶数确定.docxVIP

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 AR: y( ) a1y( 1) anay( na) _ e() t t . t t 其中，e(t)为均值 0,方差为某值的白噪声信号。 为 MatlabToolbox 二乜「黄丁|巴匕工I ir：| arburg - arccv -；卜A 卜血 arburg - arccv -； 严 A :arm聲ov -身鼬r谁 刈用 佛誠剧谒卫陀y灼 H JSf wWvymfMt jVQ /- m-Jreq^ - ￡丐遜卩逊鹫祀打側近的坛甩 A ］帕馨细|二确繭one菇血血e權ter fa ppny ■阳明j?疗衆胡:孑就话撷抬尸谐屈聲 fa strncb^ $*9h@9TincXlW ttfW J— m jrf Ch 卜 二1 B* Jin car Model Identification AR模型 AR模型［1］，故米 aryul程序估计模 用 e SVD的方法， AIC FPE方法是目前应用最广 而 和 -20，则该误差可能对应于损失函 10-10级别， 数的 研究表明，米 Yu le- 方法可得到优化 用 Walker 的 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 泛的方法。若计算出的 AIC较小，例如小 于 则这时阶次可以看成是系统合适的阶次。 Model 沖斥advice bhod ata ? [paired-幣話碗 Qovqpv ijii.tjJftiiP 譚邛君當~ ft compare --. h ffplot -- pc freq res p - ft am=aic(model1,model2,...) fp=fpe(Model1,Model2,Model3,...) AR预测 Jx predictfidnlarxj pffrdict八 predict(rdnlh Jx predictfidnlarxj pffrdict 八 predict(rdnlh iUU 1 ITTT J yp=predict(m,y,k) m表示预测模型； y为实际输出；k预测区间；yp为预测输出。 y(1),y(2),...,y(t k 1),y(t k),...,y(t 2),y(t 1),y(t) 当kvlnf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,xO]=compare(y,m,k) Compare的预测原理与 predict相同，但其对预测进行了比较。 fitlOOl- yh|| fitlOOl - yh|| lly II AR误差 /S A /i 卜*jnfi * Fta^AiiMB polyddt^ - predict - Tiiaffiff I pnafetfidnl predi ct(td /S A /i 卜 * resid - CtflQMMrtlCfllltf ttlt. 1 e=pe(m,data) pe误差计算。采用 yh=predict(m,data,1) 进行预测，然后计算误差 e=data-yh; [e,r]=resid(m,data,mode,lags); resid(r) resid计算并检验误差。采用 pe计算误差；在无输出的情况下，绘出误差图，误差 曲线应足够小，黄色区域为 99%的置信区间，误差曲线在该区域内表明通过检验。 Matlab练习 确定模型阶数 采用ASCEbenchmark模型120DOF选取y方向的响应，共 8个。首先，对响应数据进 行标准化处理；其次，将标准化处理后的数据建立 AR模型；最后，确定合适的模型阶次， 通过选取一系列阶数，分别计算对应的 AIC值，从图中可以看出，阶次 80以后的AIC值变 化不大，因此，合适的阶次选择为 80。 -3.5 -3.55 -3.6 140 0 20 40 100 120 AR模型预测 sor2.(1- pred) % m;fit:81.0 6 4 2 2 8 m 2) 60 80 ARorder o s n e s -4 -6 1 1.05 1.1 1.15 1.2 1.25 AR误差计算 e@sensor2 1 2s / o m -1 -2 1 1.05 1.1 1.15 1.2 1.25 1.3 1.35 1.4 1.2 0.8 0.6 0.4 0.2 -0.2 0 Time Correlationfunctionofresidual