估计后的模型验证

您可以采用以下方法对模型进行验证：

将仿真或预测模型的输出结果与实测结果进行比较。
请参阅Simulate and Predict Identified Model Output。
要在 Simulink^® 环境中仿真辨识模型，请参阅Simulate Identified Model in Simulink。
分析残差与输入变量的自相关和互相关。
请参阅什么是残差分析？
分析模型响应。有关详细信息，请参阅以下内容：
- Impulse and Step Response Plots
- Frequency Response Plots for Model Validation
有关噪声模型响应的信息，请参阅Noise Spectrum Plots。
绘制线性参数模型的零极点。
有关详细信息，请参阅Pole and Zero Plots。
比较非参数化模型（如冲激响应模型、阶跃响应模型和频率响应模型）与参数化模型（如线性多项式模型、状态空间模型和非线性参数化模型）的响应特性。
注意
当系统中存在反馈时，请勿使用此比较方法，因为反馈会导致非参数模型不可靠。要测试系统中是否存在反馈，请对数据使用 advice 命令。
使用赤池信息准则 (Akaike Information Criterion) 或赤池最终预测误差 (Akaike Final Prediction Error) 对模型进行比较。
有关详细信息，请参阅 aic 和 fpe 参考页面。
绘制哈默斯坦-维纳模型和非线性 ARX 模型的线性与非线性模块。

在支持的绘图上显示置信区间，有助于您评估模型参数的不确定性。有关详细信息，请参阅Compute Model Uncertainty。

对于用于比较模型响应与实测响应并进行残差分析的绘图，您需要指定两类数据集：一类用于估计模型（估计数据），另一类用于验证模型（验证数据）。虽然您可以指定同一组数据同时用于模型的估计和验证，但这可能会导致数据过拟合。当您使用独立数据集对模型进行验证时，这一过程称为交叉验证。

注意

验证数据在频率成分方面应与估计数据一致。如果您对估计数据进行了去趋势处理，则必须从验证数据中去除相同的趋势。有关去趋势处理的信息，请参阅Handling Offsets and Trends in Data。