① matlab哪個版本支持預測控制工具箱
工具箱主要看你購買了沒有,如果你沒有購買工具箱的話啊,
任何版本的matlab都不會有。
② matlab神經網路工具箱訓練完後可以自行預測嘛
這個神經網路就在特定條件下工作的。
③ matlab 2011a神經網路工具箱訓練好後怎麼做預測
sim函數你試一下!看看說明文檔!
④ 用matlab工具箱怎麼對garch模型做預測
對garch模型做預測可以用matlab自帶的garchfit()函數,該函數主要用於估計ARMAX / GARCH模型參數。garchfit()函數使用格式:
[Coeff,Errors,LLF,Innovations,Sigmas,Summary] = garchfit(Spec,Series,X)
Coeff——輸入參數。接受由garchset,garchget,garchsim,garchinfer,和garchpred結構產生的參數。
Errors——系數的估計誤差(即標准誤差)的結構。
LLF——對於優化目標函數值與參數相關的估計發現Coeff。garchfit執行優化使用優化工具箱fmincon函數。
Innovations——創建(即殘差)序列推導的時間序列列向量。
Sigmas——與創建相對應的條件標准偏差向量。
Summary——顯示優化過程的摘要信息結構。
Spec——包含條件均值和方差規范的GARCH規范結構。它還包含估計所需的優化參數。通過調用garchset創建這個結構。
Series——觀測的時間序列列向量。
X——觀測數據的時間序列回歸矩陣。
例如:
clc
spec = garchset('C',0,'K',0.0001,'GARCH',0.9,'ARCH',0.05);%指定模型的結構
[e,s,y]= garchsim(spec,1000);
[Coeff,Errors,LLF,Innovations,Sigmas,Summary] = garchfit(spec,y) %擬合參數
運行後得到的部分結果
⑤ 用matlab曲線擬合工具箱擬合數據後要進行預測,應該怎麼做啊哪位大神
不是matlab安裝的問題,這個問題我也遇到過,遍求解答無果之後,終於自己摸索出來了。是這樣的,不要用gui中的data按鈕來新建數據集,而要在matlab命令窗口中,輸入命令:cftool(a,b),其中a,b就是你要設置的x、y坐標的向量。這樣出來散點圖,之後再在cftool工具箱的gui中點fitting按鈕,選擇曲線擬合
⑥ 你好 我想問一下 你知道如何用matlab的遺傳演算法工具箱進行預測嗎謝謝。。
不清楚這方面的,建議上網查找這方面的資料,或翻一翻書
⑦ 如何用matlab工具箱進行數據預測
如何用matlab工具箱進行數據預測
設計目標函數,
將預測問題,轉化為優化問題。
⑧ 怎麼用matlab工具箱newrbe函數預測數據
使用 edit + 函數名即可打開函數。 不過對於bult-in function只能看到函數的注釋部分,而不能查看函數的具體代碼。 如: edit size就只能查看注釋而edit tf既可以查看注釋也能看到代碼
⑨ 請問大俠,哪裡能找到在MATLAB環境下使用BP神經網路工具箱函數做預測的視頻
這個很簡單啊,比抄我當初的簡單多了,給你推薦本書《先進PID演算法集MATLAB模擬》,里頭有神經網路的程序,你可以直接編程做,老師一看,會覺得你很nb或者,你去買本介紹MATLAB SIMULINK的書,simulink就是你說得matlab里頭的一個工具箱,通過模塊進行模擬,很強大,但是無論用哪種方法,都要認真看書,好好學,編程這個東西得用時間琢磨的,祝樓主成功!
⑩ MATLAB中NETLAB工具箱如何實現預測多元數據是否需要用到其他的工具箱
數據准備:
我們以一組多項式數據為例,進行示例,假如多項式是y=4x^3+3x^2+2產生的數據,x取0到3之間間隔為0.3的數。具體數據如下:
調用工具箱:
關於如何調用工具箱我在其他經驗中有詳細的介紹,有興趣的可以查看。
這里我們用命令cftool進行調用擬合工具箱,在MATLAB主窗口中輸入 cftool 回車
可以看到如下擬合工具箱界面
擬合操作步驟:
首先我們將要擬合的數據選入到工具箱中,如下圖,在紅圈處,點擊向下三角,分別將要擬合的x y 選入,然後點擊右側的最上方的下三角,然後選擇polynomial( 多項式),下面的degree是階數,也就是x的最高次數,選擇不同的degree,在圖的左下角是擬合的結果,包括擬合的系數以及方差相關系數等,右側是數據點,以擬合曲線。
結果分析:
我們擬合的時候,一般情況下不知道要擬合的多項式是幾階的,我們一般調節degree都是從1逐漸增大,只要精度符合要求,就可以了,並不是精度越高越高。
擬合結果說明:
Linear model Poly3:
f(x) = p1*x^3 + p2*x^2 + p3*x + p4
Coefficients (with 95% confidence bounds):
p1 = 4 (4, 4)
p2 = 3 (3, 3)
p3 = 4.593e-15 (-3.266e-14, 4.185e-14)
p4 = 2 (2, 2)
Goodness of fit:
SSE: 2.386e-28
R-square: 1
Adjusted R-square: 1
RMSE: 5.839e-15
從以上可以看到最終擬合的y關於x的函數為:
f(x)=4*x^3+3*x^2+4.593e-15*x+2
我們可以看到一次項的系數為4.593e-15,實際上就是4.593*10^(-15),這個數量級完全可以認為是0,所以擬合的結果我們認為是:
f(x)=4*x^3+3*x^2+2
這里的方差SSE數量級為10的負28次方,相關系數 R-square=1,說明擬合的結果很好。