什么是时间序列模型？
时间序列是指一个或多个被测输出通道，且无被测输入。时间序列模型，也称为信号模型，是一种被辨识为拟合给定信号或时间序列数据的动态系统。时间序列可以是多元的，这导致了多元模型的产生。
时间序列通过假设其为某系统的输出进行建模，该系统将方差为 λ 的白噪声信号 e (t) 作为其虚拟输入。此类模型的真实测量输入量为零，其控制方程形式如下：
y(t) = He(t)
其中，y (t) 为待建模信号，H 为传递函数，该函数描述了 y (t) 与 e (t) 之间的关系。
时间序列 y (t) 的多变量功率谱 Φ 由下列公式给出：
Φ = H(ΛTs)H'
此处 Λ 为噪声方差矩阵，Ts 为模型采样时间。
System Identification Toolbox™ 软件提供用于时间序列数据建模和预测的工具。您可以对时间序列数据估计线性和非线性黑盒模型及灰箱模型。线性时间序列模型可以是多项式模型 (idpoly)、状态空间模型（idss 或 idgrey）。某些特定类型的模型包括参数自回归 (AR)、自回归移动平均 (ARMA) 以及自回归积分移动平均 (ARIMA) 模型。对于非线性时间序列建模，该工具箱支持非线性 ARX 模型。
您可以同时使用时域和频域数据来估计时间序列的频谱。时序谱通过不同频率的周期性组件描述时间序列的变化。
要将时间序列向量或矩阵 s 表示为 iddata 对象，请使用以下语法：
y = iddata(s,[],Ts);
以下示例演示了对存储在文件 iddata9 中的时间序列数据 z9 进行四阶自回归模型估计的过程。
load iddata9 z9 sys = ar(z9,4);
由于模型没有测量输入，size(sys,2) 返回零。sys 的控制方程是 A(q)y(t) = e(t)。您可以通过 sys.A 访问 A 多项式，并通过 sys.NoiseVariance 访问噪声 e(t) 的估计方差。
