MATLAB AR模型分析和总结.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(t)?ay(t?1)?...?ay(t?na)?e(t)

1 na

其中，e(t)为均值为0，方差为某值的白噪声信号。

MatlabToolbox

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)

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kInf时，yp(t)为模型m与y(1,2,…t-k)