wilsonrljr/sysidentpy

解决的问题

SysIdentPy 专为系统识别和时间序列预测而设计。它提供了一个框架，用于构建动态非线性模型，特别是 NARMAX 模型及其变体（如 NARX、NAR、NARMA、NFIR、ARMAX、ARX 和 ARMA），使用户能够从数据中对复杂动态系统进行建模。

工作原理

该库实现了多种模型结构选择和参数估计技术。它使用基函数（包括多项式、傅里叶和双线性）来定义模型的非线性。支持多种结构选择算法，如 FROLS、MetaMSS 和 AOLS，以及超过 15 种参数估计方法。此外，它还与 PyTorch 集成以支持神经 NARX 模型，并可封装 scikit-learn 和 CatBoost 等库中的通用估计器。

适用人群

适用于从事动态系统、时间序列预测和非线性系统识别的研究人员和工程师，可作为 Matlab 的 System Identification Toolbox 等工具的开源替代方案。

主要亮点

• 多样的模型类型：支持广泛的 NARMAX 变体，包括 NARX、NAR 和 ARMAX。
• 模型结构选择：包含 FROLS 和 Orthogonal Floating Search 等前沿算法。
• 神经网络集成：可使用 PyTorch 构建自定义神经 NARX 架构。
• 灵活的基函数：提供 8 种不同的基函数以自定义非线性模型。
• 广泛的估计器支持：兼容 scikit-learn 和 CatBoost 估计器。