Main Content

本页采用了机器翻译。点击此处可查看最新英文版本。

使用 ThingSpeak 数据预测潮汐深度

此示例使用:

打开脚本

此示例展示了如何使用 ThingSpeak™通道中存储的数据来预测 Ockway Bay 的潮汐深度。预测潮汐深度至关重要：如果您不知道水深，您的船很容易陷入浅海湾的泥浆中。

从 Ockway Bay 实时潮汐计读取数据

ThingSpeak™通道50289 包含有关奥克威湾潮汐深度的数据。数据每 5 分钟收集一次。通道的字段 1 包含潮汐深度数据。使用thingSpeakRead函数从通道50289读取特定日期的数据，示例2016年7月1日。

startDate = datetime('July 1, 2016 12:01:00 AM');
endDate = datetime('July 2, 2016 12:02:00 AM');
dateRange = startDate:endDate;
data = thingSpeakRead(50289,'DateRange',dateRange,'Fields',1);

将 AR 模型拟合到数据

使用 iddata 函数创建潮汐深度数据的 iddata 对象。对数据使用 detrend 使数据为零均值。由于潮汐深度随时间变化，因此请使用 ar 函数对数据拟合离散时间自回归模型。在去除趋势之前捕获偏移量，然后拟合 AR 模型来表示系统。

sampleTime = 5;
IDdata = iddata(data,[],sampleTime,'OutputName',{'Tidal Depth'},'TimeUnit','minutes')
trend = getTrend(IDdata,0);
IDdata = detrend(IDdata,0);
modelOrder = 8;
sys = ar(IDdata,modelOrder);

IDdata =

Time domain data set with 288 samples.
Sample time: 5 minutes                 
                                       
Outputs           Unit (if specified)  
   Tidal Depth

预测潮汐深度

使用 forecast 函数预测第二天的潮汐深度。由于实测潮深数据每 5 分钟更新一次，因此将预报数据的样本数设置为 288。yf 是预测模型响应，yf_sd 是输出的标准差。绘图前重新绘制数据趋势。

numSamples = 288;
[yf,x0,sysf,yf_sd,x,x_sd] = forecast(sys,IDdata,numSamples);
IDdata = retrend(IDdata,trend);
yf = retrend(yf,trend);

绘制预测响应

绘制测量数据和预测潮汐数据。还绘制预测模型的不确定性的一个标准差。

figure;
UpperBound = iddata(yf.OutputData+1*yf_sd,[],yf.Ts,'Tstart',yf.Tstart,'TimeUnit','minutes');
LowerBound = iddata(yf.OutputData-1*yf_sd,[],yf.Ts,'Tstart',yf.Tstart,'TimeUnit','minutes');
plot(IDdata(:,:,[]),'r',yf(:,:,[]),'b');
hold on
plot(UpperBound,'k--',LowerBound,'k--');
legend({'measured','forecasted','1 sd uncertainty'},'Location','best');
xlabel('Time');
ylabel('Tidal depth (inches)');
title('Measured and Forecasted Tidal Wave Depths');

该图显示了测量和预测的系统响应以及一个标准偏差不确定性界限。

另请参阅

函数

  • | (System Identification Toolbox) | (System Identification Toolbox) | (System Identification Toolbox) | (System Identification Toolbox) | (System Identification Toolbox) | (System Identification Toolbox)