poster
2019-12-10, 16:49
我有一系列数字。我使用Yule-Walker方法 (http://www.mathworks.com/access/helpdesk/help/toolbox/signal/index.html?/access/helpdesk/help/toolbox/signal/aryule.html)计算了它们之间的“自回归” 。
但是现在如何扩展该系列？
整个工作如下：
a）我使用的系列：
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）使用以下方法将该数据加载到数据中：
data = load('c:\\input.txt', '-ascii'); c）系数的计算：
ar_coeffs = aryule(data,9); 这给出了：
ar_coeffs = 1.0000 -0.9687 -0.0033 -0.0103 0.0137 -0.0129 0.0086 0.0029 -0.0149 0.0310 d） 现在使用这个，如何计算序列中的下一个数字？
[执行此操作的任何其他方法（使用aryule（）除外）也可以...这是我所做的，如果您有更好的主意，请告诉我！]
回答：
对于长度为N且正序为p的实值序列x：
coeff = aryule(x, p) 返回数据x的p阶AR系数（请注意coeff（1）是归一化因子）。换句话说，它将值建模为过去的p值的线性组合。因此，为了预测下一个值，我们将最后的p个值用作：
x(N+1) = sum_[k=0:p] ( coeff(k)*x(Nk) ) 或在实际的MATLAB代码中：
p = 9; data = [...]; % the seq you gave coeffs = aryule(data, p); nextValue = -coeffs(2:end) * data(end:-1:end-p+1)';
编辑：如果您可以访问System Identification Toolbox ，则可以使用许多函数中的任何一种来估计AR / ARMAX模型（ ar / arx / armax ）（甚至可以使用selstruc查找AR模型的顺序）：
m = ar(data, p, 'yw'); % yw for Yule-Walker method pred = predict(m, data, 1); coeffs = ma; nextValue = pred(end); subplot(121), plot(data) subplot(122), plot( cell2mat(pred) )
更多&回答... (https://stackoverflow.com/questions/1493621)
但是现在如何扩展该系列？
整个工作如下：
a）我使用的系列：
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）使用以下方法将该数据加载到数据中：
data = load('c:\\input.txt', '-ascii'); c）系数的计算：
ar_coeffs = aryule(data,9); 这给出了：
ar_coeffs = 1.0000 -0.9687 -0.0033 -0.0103 0.0137 -0.0129 0.0086 0.0029 -0.0149 0.0310 d） 现在使用这个，如何计算序列中的下一个数字？
[执行此操作的任何其他方法（使用aryule（）除外）也可以...这是我所做的，如果您有更好的主意，请告诉我！]
回答：
对于长度为N且正序为p的实值序列x：
coeff = aryule(x, p) 返回数据x的p阶AR系数（请注意coeff（1）是归一化因子）。换句话说，它将值建模为过去的p值的线性组合。因此，为了预测下一个值，我们将最后的p个值用作：
x(N+1) = sum_[k=0:p] ( coeff(k)*x(Nk) ) 或在实际的MATLAB代码中：
p = 9; data = [...]; % the seq you gave coeffs = aryule(data, p); nextValue = -coeffs(2:end) * data(end:-1:end-p+1)';
编辑：如果您可以访问System Identification Toolbox ，则可以使用许多函数中的任何一种来估计AR / ARMAX模型（ ar / arx / armax ）（甚至可以使用selstruc查找AR模型的顺序）：
m = ar(data, p, 'yw'); % yw for Yule-Walker method pred = predict(m, data, 1); coeffs = ma; nextValue = pred(end); subplot(121), plot(data) subplot(122), plot( cell2mat(pred) )
更多&回答... (https://stackoverflow.com/questions/1493621)