Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

시계열 분석

AR, ARMA, 상태공간 모델 및 그레이박스 모델 등 선형 모델과 비선형 모델을 식별하고 스펙트럼 분석을 수행하며 모델 출력을 전망하여 시계열 데이터 분석

시계열은 측정된 출력 채널을 하나 이상 포함하지만 측정된 입력 채널은 포함하지 않는 데이터입니다. 신호 모델이라고도 하는 시계열 모델은 지정된 신호 또는 시계열 데이터를 피팅하기 위해 식별되는 동적 시스템입니다. 시계열은 다변량일 수 있으며, 이 경우 모델은 다변량 모델이 됩니다. System Identification 앱 또는 명령줄에서 시계열 모델을 식별할 수 있습니다. System Identification Toolbox™를 사용하면 네 가지 일반적인 유형의 시계열 모델을 만들고 추정할 수 있습니다.

  • 선형 모수적 모델 — 자기회귀 모델 및 상태공간 모델과 같은 구조의 파라미터를 추정합니다.

  • 주파수 응답 모델 — 스펙트럼 분석을 사용하여 스펙트럼 모델을 추정합니다.

  • 비선형 ARX 모델 — 비선형 ARX 구조의 파라미터를 추정합니다.

  • 그레이박스 모델 — 시스템 동특성을 나타내는 상미분 방정식 또는 차분 방정식의 계수를 추정합니다.

모수적 시계열 모델 식별에는 주파수 영역 신호를 처리할 수 있는 ARX 모델을 제외하고는 균일하게 샘플링된 시간 영역 데이터가 필요합니다. 스펙트럼 분석 알고리즘은 시간 영역 데이터와 주파수 영역 데이터를 지원합니다. 데이터는 하나 이상의 출력 채널을 포함할 수 있으며 입력 채널은 포함하면 안 됩니다. 시계열 모델에 대한 자세한 내용은 What Are Time Series Models? 항목을 참조하십시오.

식별된 모델을 사용하여 명령줄, 앱 또는 Simulink®에서 모델 출력을 예측할 수 있습니다. 명령줄에서는 측정된 데이터의 시간 범위를 벗어나는 모델 출력도 전망할 수 있습니다.

함수

모두 확장

arEstimate parameters of AR model or ARI model for scalar time series
arOptionsOption set for ar
arxEstimate parameters of ARX, ARIX, AR, or ARI model
armaxEstimate parameters of ARMAX, ARIMAX, ARMA, or ARIMA model using time-domain data
ivarAR model estimation using instrumental variable method
ssestEstimate state-space model using time-domain or frequency-domain data
n4sidEstimate state-space model using subspace method with time-domain or frequency-domain data
spaEstimate frequency response with fixed frequency resolution using spectral analysis
spafdrEstimate frequency response and spectrum using spectral analysis with frequency-dependent resolution
etfeEstimate empirical transfer functions and periodograms
nlarxEstimate parameters of nonlinear ARX model
greyestLinear grey-box model estimation
nlgreyestEstimate nonlinear grey-box model parameters
idpolyPolynomial model with identifiable parameters
idssState-space model with identifiable parameters
idfrdFrequency response data or model
idnlarxNonlinear ARX model
idgreyLinear ODE (grey-box model) with identifiable parameters
idnlgreyNonlinear grey-box model
spectrumPlot or return output power spectrum of time series model or disturbance spectrum of linear input-output model
forecastForecast identified model output
predictPredict K-step-ahead model output

도움말 항목

시계열 모델 정보

What Are Time Series Models?

A time series model, also called a signal model, is a dynamic system that is identified to fit data that includes only output channels and no input channels.

Analyze Time-Series Models

Learn how to analyze time series models.

모델 추정하기

Identify Time Series Models at the Command Line

Simulate a time series and use parametric and nonparametric methods to estimate and compare time-series models.

Estimate AR and ARMA Models

Estimate polynomial AR and ARMA models for time series data at the command line and in the app.

Estimate ARIMA Models

Estimate autoregressive integrated Moving Average (ARIMA) models.

Estimate State-Space Time Series Models

Estimate state-space models for time series data at the command line.

Estimate Time-Series Power Spectra

Estimate power spectra for time series data at the command line and in the app.

Estimate Coefficients of ODEs to Fit Given Solution

Estimate model parameters using linear and nonlinear grey-box modeling.

모델 출력 전망하기

Forecast Output of Dynamic System

Workflow for forecasting time series data and input-output data using linear and nonlinear models.

Time Series Prediction and Forecasting for Prognosis

Create a time series model and use the model for prediction, forecasting, and state estimation.

Introduction to Forecasting of Dynamic System Response

Understand the concept of forecasting data using linear and nonlinear models.

추천 예제