Python 使用GEKKO sysid的自适应建模

我在

GEKKO

中尝试使用

sysid

来描述100个数据点。在某一点（本例中t=50），数据发生显著变化，预测不再准确。我试图包括一个if语句，它评估实际与预测，并生成一个新模型（new

yp

），如果预测比模型大x倍。这是我的示例代码。循环在每个时间点继续评估

yp

，但现在应该评估

yp\u new

从gekko导入gekko
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
将numpy作为np导入
#加载数据并解析为列
t=np.linspace（0,1101）
u=np.linspace（0,1101）
y=np.零（len（t））
y[：50]=np.sin（u[：50]）
y[50:]=np.exp（u[50:]/500）
#生成时间序列模型
m=GEKKO（远程=False）
#系统识别
na=2#输出系数
nb=2#输入系数
yp，p，K=m.sysid（t，u，y，na，nb，diaglevel=1）
打印（yp）
对于范围内的i（len（t））：
差值=np.abs（（yp[i]-y[i]）/max（0.01，y[i]））
如果差值大于等于0.2:#如果差值大于20%
yp_new，p_new，K=m.sysid（t，u，y，na，nb，diaglevel=0）
打印（'i='+str（i））时重新计算）
打印（yp_新）
plt.图（）
plt.子地块（2,1,1）
plt.绘图（t，u）
plt.legend（[r'$u_0$'，r'$u_1$'））
plt.ylabel（'MVs'）
plt.子地块（2,1,2）
plt.绘图（t，y）
plt.绘图（t，yp）
plt.绘图（t，y）
plt.绘图（t，yp_新）
plt.show（）

您需要将

yp

更新为新的yp值

yp=yp\u new

或者在执行下一个系统标识时返回

yp

。但是，您用于重做

sysid

计算的数据与之前使用的数据相同，因此模型预测没有变化。您是否仅尝试使用最新数据更新时间序列模型，例如

yp_new，p_new，K=m.sysid（t[i:]，u[i:]，y[i:]，na，nb）

该模型当前更新的周期与原始时间序列模型预测不一致

Recalculating at i  = 10
Recalculating at i  = 11
Recalculating at i  = 12
Recalculating at i  = 13
Recalculating at i  = 14
Recalculating at i  = 15
Recalculating at i  = 16
Recalculating at i  = 17
Recalculating at i  = 18
Recalculating at i  = 19
Recalculating at i  = 20
Recalculating at i  = 21
Recalculating at i  = 22
Recalculating at i  = 23
Recalculating at i  = 24
Recalculating at i  = 25
Recalculating at i  = 40
Recalculating at i  = 41
Recalculating at i  = 42
Recalculating at i  = 43
Recalculating at i  = 44
Recalculating at i  = 45
Recalculating at i  = 46
Recalculating at i  = 47
Recalculating at i  = 48
Recalculating at i  = 49
Recalculating at i  = 50
Recalculating at i  = 51
Recalculating at i  = 52

如果只包含最新的数据，则仅在周期10、42、46和48重新计算

从gekko导入gekko
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
将numpy作为np导入
#加载数据并解析为列
t=np.linspace（0,1101）
u=np.linspace（0,1101）
y=np.零（len（t））
y[：50]=np.sin（u[：50]）
y[50:]=np.exp（u[50:]/500）
#生成时间序列模型
m=GEKKO（远程=False）
#系统识别
na=2#输出系数
nb=2#输入系数
yp，p，K=m.sysid（t，u，y，na，nb）
yp_init=yp.copy（）
打印（yp）
j=0
对于范围内的i（len（t））：
差值=np.abs（（yp[i-j]-y[i]）/max（0.01，y[i]））
如果差值大于等于0.2:#如果差值大于20%
j=i#获取上次更新发生的周期
yp，p，K=m.sysid（t[i:]，u[i:]，y[i:]，na，nb）
打印（'i='+str（i））时重新计算）
plt.图（）
plt.子地块（2,1,1）
plt.绘图（t，u）
plt.legend（[r'$u_0$'，r'$u_1$'））
plt.ylabel（'MVs'）
plt.子地块（2,1,2）
plt.绘图（t，y）
plt.plot（t，yp_init）
plt.绘图（t，y）
plt.plot（t[j:]，yp）
plt.show（）

---

我使用ARX模型

m.ARX（p）

在

sysid

完成后给出更新的预测。系统标识通常不在每个周期使用，仅在需要更新模型时使用。