이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
시뮬레이션 및 예측
R2026a식별된 모델의 응답을 시뮬레이션 또는 예측, Simulink®에서 식별된 모델을 모델 시뮬레이션 블록을 사용하여 가져오기
System Identification 앱 에서 sim을 사용하여, 지정된 입력에 대한 식별된 모델의 응답을 시뮬레이션할 수 있습니다. 입력과 출력의 과거 측정값을 사용하여 미래의 특정 시간 지평까지의 모델 응답을 예측할 수 있습니다. predict를 사용하여 측정된 데이터의 시간 범위에 대한 모델 응답을 예측하고, 사용할 수 있는 측정된 데이터가 없는 경우에는 forecast를 사용하여 미래의 시간 범위에 대한 응답을 예측합니다. 식별된 모델을 Simulink로 가져와서 모델 시뮬레이션 블록을 사용하여 모델 응답을 시뮬레이션할 수도 있습니다.
함수
sim | Simulate response of identified model |
simOptions | Option set for sim |
simsd | Simulate linear models with uncertainty using Monte Carlo method |
simsdOptions | Option set for simsd |
predict | 식별된 모델의 향후 K-스텝 출력 사전 예측 |
predictOptions | Option set for predict |
forecast | Forecast time-series values into future |
forecastOptions | Option set for forecast |
idinput | Generate input signals to support system identification |
블록
 | Iddata Source | Import time-domain data stored in iddata object in
MATLAB workspace |
 | Iddata Sink | 시뮬레이션 데이터를 iddata 객체로 MATLAB 작업 공간으로 내보내기 |
 | Idmodel | Simulate identified linear model in Simulink software |
 | Nonlinear ARX Model | Simulate nonlinear ARX model in Simulink software |
 | Hammerstein-Wiener Model | Simulate Hammerstein-Wiener model in Simulink software |
 | Nonlinear Grey-Box Model | Simulate nonlinear grey-box model in Simulink software |
도움말 항목
시뮬레이션 및 예측
- Simulate and Predict Identified Model Output
Understand the difference between simulated and predicted output and when to use each. - Simulation and Prediction in the App
Perform simulation and prediction in the System Identification app, and interpret results. - Simulation and Prediction at the Command Line
Perform simulation, prediction, and forecasting at the command line, specify initial conditions. - Simulate Identified Model in Simulink
Use model blocks to import, initialize, and simulate models from the MATLAB® environment into a Simulink model.
전망(forecasting)
- Introduction to Forecasting of Dynamic System Response
Understand the concept of forecasting data using linear and nonlinear models. - Forecast Output of Dynamic System
Workflow for forecasting time series data and input-output data using linear and nonlinear models. - Forecast Multivariate Time Series
This example shows how to perform multivariate time series forecasting of data measured from predator and prey populations in a prey crowding scenario.
