本资源为 自回归分析（AR）理论模型

6页 word文档


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。

当k<Inf时，yp(t)为模型m与y(1,2,…t-k)的预测值；当k=Inf时，yp(t)为模型m的纯仿真值；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。