wilsonrljr/sysidentpy

解決的問題

SysIdentPy 是為系統識別與時間序列預測而設計。它提供一個框架，可建構動態非線性模型，特別是 NARMAX 模型及其變體（例如 NARX、NAR、NARMA、NFIR、ARMAX、ARX 和 ARMA），讓使用者能從資料中對複雜的動態系統進行建模。

工作原理

此套件實作了多種模型結構選擇與參數估計技術。它使用基底函數（包括多項式、傅立葉與雙線性）來定義模型的非線性。支援多種結構選擇演算法，如 FROLS、MetaMSS 和 AOLS，以及超過 15 種參數估計方法。此外，它也與 PyTorch 整合以支援神經 NARX 模型，並可包裝 scikit-learn 與 CatBoost 等套件中的通用估計器。

適用對象

適用於從事動態系統、時間序列預測與非線性系統識別的研究人員與工程師，可作為 Matlab 的 System Identification Toolbox 等工具的開源替代方案。

主要特色

• 多樣的模型類型：支援廣泛的 NARMAX 變體，包括 NARX、NAR 與 ARMAX。
• 模型結構選擇：包含 FROLS 與 Orthogonal Floating Search 等先進演算法。
• 神經網路整合：可使用 PyTorch 建構自訂神經 NARX 架構。
• 靈活的基底函數：提供 8 種不同的基底函數以客製化非線性模型。
• 廣泛的估計器支援：相容 scikit-learn 與 CatBoost 估計器。