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。
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 = 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,
Original: https://blog.csdn.net/weixin_39622643/article/details/112042829
Author: weixin_39622643
Title: matlab建立ar时间序列模型_Matlab时间序列-AR-AR模型.doc
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/636200/
转载文章受原作者版权保护。转载请注明原作者出处!