matlab自帶工具箱預測

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

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。