最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

シミュレーションと予測

同定されたモデルの応答のシミュレーションと予測、モデル シミュレーション ブロックを使用した Simulink® での同定されたモデルのインポート

System Identification アプリおよび sim を使用して、与えられた入力に対する同定されたモデルの応答をシミュレートできます。入力と出力の過去の測定値を使用して、将来の特定の対象期間におけるモデル応答を予測できます。predict を使用して測定データの時間範囲にわたるモデル応答を予測し、forecast を使用して測定データが利用できない将来の時間範囲にわたる応答を予測します。また、同定されたモデルを Simulink にインポートして、モデル シミュレーション ブロックを使用してモデル応答をシミュレートすることも可能です。

関数

simSimulate response of identified model
simOptionsOption set for sim
simsdSimulate linear models with uncertainty using Monte Carlo method
simsdOptionsOption set for simsd
predictPredict K-step ahead model output
predictOptionsOption set for predict
forecastForecast identified model output
forecastOptionsOption set for forecast
idinputGenerate input signals

ブロック

Iddata SourceImport time-domain data stored in iddata object in MATLAB workspace
Iddata SinkExport simulation data as iddata object to MATLAB workspace
IdmodelSimulate identified linear model in Simulink software
Nonlinear ARX ModelSimulate nonlinear ARX model in Simulink software
Hammerstein-Wiener ModelSimulate Hammerstein-Wiener model in Simulink software
Nonlinear Grey-Box ModelSimulate nonlinear grey-box model in Simulink software

トピック

シミュレーションと予測

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.

Using System Identification Toolbox Blocks in Simulink Models

Description of the System Identification Toolbox™ block library.

予想

Introduction to Forecasting of Dynamic System Response

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

Forecast the Output of a 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. The predator-prey population-change dynamics are modeled using linear and nonlinear time series models. Forecasting performance of these models is compared.