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)+ ...+a y (t −na ) et( )
1 na
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)
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 k
真值;默认情况下,k=1。
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。
⎛ || y −yh || ⎞
fit 100=× 1−⎜ ⎟
|| y − ||
⎝ μ ⎠