このページは機械翻訳を使用して翻訳されました。最新版の英語を参照するには、ここをクリックします。
データで予測する
データとMATLAB®アドオンツールボックスを使用して、傾向を予測し、センサーデータの将来を予測します。
データの傾向を見つけ、MATLAB アドオン ツールボックスを使用して将来の測定値を予測します。ニューラル ネットワークをトレーニングするか、データに対して回帰解析を実行することで、予測解析を完了します。
トピック
- 潮汐深度データに自己回帰モデルを当てはめる
この例では、ThingSpeak ™チャネルのデータに自己回帰 (AR) モデルを適合させ、回帰パラメーターとその不確実性を計算する方法を示します。
- 線形回帰モデルを当てはめる
この例では、ThingSpeak ™チャネルのデータに線形回帰モデルを適合させ、データ内の回帰係数を計算する方法を示します。
- 線形応答特性を計算する
この例では、太陽熱温水器の貯湯タンク温度の線形応答特性を計算する方法を示します。
- チャープ信号を生成する
この例では、ThingSpeak ™ で線形チャープ信号を生成する方法を示します。
注目の例
フィードフォワードニューラルネットワークの作成とトレーニング
この例では、温度を予測するためにフィードフォワード ニューラル ネットワークをトレーニングする方法を示します。
ThingSpeakデータを用いた潮位予測
この例では、ThingSpeak ™チャネルに保存されているデータを使用して、Ockway Bay の潮汐の深さを予測する方法を示します。潮の深さを予測することは非常に重要です。水深を把握していないと、ボートは浅い湾の泥にはまり込んでしまう可能性があります。
散布図ThingSpeakデータへの線形近似の可視化
この例では、Curve Fitting Toolbox&trade を使用して周囲温度と相対湿度の傾向を可視化する方法を示します。
測定された潮位と予測された潮位を可視化して比較する
この例では、オックウェイ湾での測定された潮深と予測された潮深を比較する方法を示します。潮の深さを予測することは非常に重要です。水深を把握していないと、ボートは浅い湾の泥にはまり込んでしまう可能性があります。
