1

我对以下 Matlab 观察感到非常困惑。

在我的问题中，我试图从离散的采样输入输出数据中估计一个 ARX/ARMAX 模型。我正在按照 Matlab 的指南在命令行中识别线性​​模型（使用系统识别工具箱）

  • 我的数据集是 980 个输入-输出对（实验），采样时间为Ts = 10秒（2 个输入，1 个输出）。我将数据my_data分成 490 个实验的两个子集：experimental和validation.
  • 运行delayest(my_data)表明任何输入都没有延迟。因此nk1=0和nk2=0。
  • 用selstruc和识别订单arxstruc让我可以选择订单na和。nb1nb2
  • 我将opt=armaxOptions('InitialCondition','z')系统的初始条件设置为零（我不使用 Matlab 将其视为估计变量）。

考虑到以上所有因素，我运行

my_model = arx(experimental,[6,[2,5],[0,0]],opt)

它在命令行中给出了以下模型（pastebin 上的链接）。

从上面的链接中，如果向下滚动，我们可以看到对experimental数据的拟合非常好。

我的问题来了：

如果我现在想使用子集验证数据，请使用以下命令validation进行比较：compare

% the model had zero initial condition as well
opt=compareOptions('InitialCondition','z'); 
[~,fit_vector,~]=compare(validation,my_model,opt);
disp(num2str(cell2mat(fit_vector)))

这就是有趣的地方，现在显示的数字很-109.626 %合适。

  • 有谁知道这个命令的确切行为，为什么在生成模型时的拟合arx（在上面的 pastebin 链接中）和使用该compare命令的拟合之间存在这种差异？

  • 我觉得这很奇怪，因为即使使用不同的数据集experimental和validation，它们都来自同一个输入系列（输入 1 的脉冲持续时间和幅度不同；输入 2 是外生输入）。

4

0 回答 0