このページは機械翻訳を使用して翻訳されました。元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、データの回帰分析を完了することで、予測分析を完了します。
トピック
- 自己回帰モデルによる潮汐深度データの近似
この例では、 ThingSpeak™チャネル内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。
- 線形回帰モデルによる近似
この例では、 ThingSpeak™チャネル内のデータの線形回帰モデルを近似し、データの回帰係数を計算する方法を示します。
- 線形応答特性の計算
この例では、太陽熱温水器の貯蔵タンク温度の線形応答特性を計算する方法を説明します。
- チャープ信号の生成
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学習
この例では、気温を予測するフィードフォワード ニューラル ネットワークの学習方法を説明します。
ThingSpeakデータを使用して潮汐深を予測する
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、オックウェイ湾の潮汐深さを予測する方法を示します。潮汐深度を予測することは重要です。水の深さがわからない場合、船は容易に浅い湾の底泥で動けなくなることがあります。
散在するThingSpeakデータへの線形近似を視覚化する
この例では、Curve Fitting Toolbox&trade を使用して周囲温度と相対湿度の間の傾向を視覚化する方法を示します。
測定潮汐深度および予測潮汐深度の可視化と比較
この例では、オックウェイ湾で測定した潮汐深度と予測される潮汐深度を比較する方法を説明します。潮汐深度を予測することは重要です。水の深さがわからない場合、船は容易に浅い湾の底泥で動けなくなることがあります。
You can also select a web site from the following list:
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)