0

一連の数字があります。ユール・ウォーカー法を使用して、それらの間 の「自己回帰」を計算しました。

しかし、どうすればシリーズを拡張できますか？

全体の作業は次のとおりです。

a）私が使用するシリーズ：

143.85 141.95 141.45 142.30 140.60 140.00 138.40 137.10 138.90 139.85 138.75 139.85 141.30 139.45 140.15 140.80 142.50 143.00 142.35 143.00 142.55 140.50 141.25 140.55 141.45 142.05

b) このデータは、次を使用してdataにロードされます。

data = load('c:\\input.txt', '-ascii');

c) 係数の計算:

ar_coeffs = aryule(data,9);

これは与える：

ar_coeffs =
 1.0000 -0.9687 -0.0033 -0.0103 0.0137 -0.0129 0.0086 0.0029 -0.0149 0.0310

d)これを使用して、シリーズの次の数を計算するにはどうすればよいですか?

[これを行う他の方法 (aryule() を使用する場合を除く) も問題ありません...これは私がやったことです。より良いアイデアがあれば、私に知らせてください!]

4

2 に答える 2

2

長さNの実数値シーケンスx、および正の次数pの場合：

coeff = aryule(x, p)

データxの次数pのAR係数を返します（coeff（1）は正規化係数であることに注意してください）。言い換えると、過去のp値の線形結合として値をモデル化します。したがって、次の値を予測するために、最後のp値を次のように使用します。

x(N+1) = sum_[k=0:p] ( coeff(k)*x(N-k) )

または実際のMATLABコード：

p = 9;
data = [...];      % the seq you gave
coeffs = aryule(data, p);
nextValue = -coeffs(2:end) * data(end:-1:end-p+1)';


編集：システム同定ツールボックスにアクセスできる場合は、いくつかの関数のいずれかを使用してAR / ARMAXモデル（ar / arx / armax ）を推定できます（またはselstrucを使用してARモデルの順序を見つけることもできます）：

m = ar(data, p, 'yw');    % yw for Yule-Walker method
pred = predict(m, data, 1);

coeffs = m.a;
nextValue = pred(end);

subplot(121), plot(data)
subplot(122), plot( cell2mat(pred) )
于 2009-09-30T02:03:40.753 に答える
1

データの平均はゼロではありません。Yule-Walker モデルは、データがゼロ平均ホワイト ノイズ プロセスによって励起された線形フィルターの出力であると仮定していませんか?

平均を削除すると、 ARYULE と LPC を使用したこの例が探しているものになる可能性があります。手順は次のとおりです。

a = lpc(data,9); % uses Yule-Walker modeling
pred = filter(-a(2:end),1,data);
disp(pred(end)); % the predicted value at time N+1
于 2009-09-30T01:20:56.097 に答える