Lineare Prognose
predict(v, m, n) – Gibt einen Vektor aus n vorhergesehenen Werten nach dem letzten Wert in v zurück, wobei vorausgesetzt wird, dass die Daten in gleichen Zeitintervallen gemessen werden.
Die Funktion predict verwendet das Burg-Verfahren zur Berechnung der Autokorrelationskoeffizienten für die letzten m Punkte in v, die anschließend zur Vorhersage des Werts des Punkts (m + 1) verwendet werden. Dieses Verfahren wird in einem gleitenden Fenster wiederholt. Dieser Algorithmus ist nützlich, wenn Daten gleichförmig und oszillierend, aber nicht unbedingt periodisch sind.
Die Lineare Prognose kann zum Extrapolieren verwendet werden, darf aber nicht mit der Linear- oder der Polynomextrapolation verwechselt werden. Mit der Funktion predict können vorherige Werte geschätzt werden, indem die Reihenfolge von v umgekehrt wird.
Argumente
v ist ein Vektor mit reellen Daten aus gleichmäßig verteilten Datenstichproben.
m, n sind positive Ganzzahlen, 0 < m < length(v) − 1. In der Praxis muss m wesentlich kleiner sein als length(v). Wenn Sie die Anzahl der vorhergesagten Punkte n so erhöhen, dass sie größer als m ist, werden vorhergesagte Werte lediglich anhand der zuvor vorhergesagten Werte berechnet, was zu unerwünschten Ergebnissen führen kann.
War dies hilfreich?