ARIMA预测_MATLABarima_预测_ARIMA._arima预测_arima

%% 根据后面网址程序进行修改后，可以预测。https://www.ilovematlab.cn/thread-494019-1-1.html clear; close all; plength=1; flength=10; y= xlsread('oxygen.xlsx','I3:I103'); %%43 自己可以随便建一个数据 Dedata=detrend(y); %去趋势 Tredata=y-Dedata; figure; plot(y,'r'); hold on; plot(Dedata,'g'); hold on; plot(Tredata,'y'); grid legend('orignal data','detrend Data ','trend data') [r,c]=size(Dedata); figure; subplot(2,1,1) autocorr(Dedata); %原序列的自相关函数图MA(q),观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 subplot(2,1,2) parcorr(Dedata); %原序列的偏相关函数图AR(p)，观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 %% 如果该序列不是平稳的做差分图，否则跳过该步 DX=Dedata; d=0; H=adftest(DX); SaveDiffData=[]; while ~H %% H=1 表示平稳 SaveDiffData=[SaveDiffData;DX(1,1)]; DX=diff(DX); d=d+1; H=adftest(DX); end %% 计算差分序列MA和AR figure; subplot(2,1,1) autocorr(DX); %差分序列DX自相关函数图MA(q),观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 subplot(2,1,2) parcorr(DX); %差分序列DX偏相关函数图AR(p)，观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 figure; plot(DX); %差分序列DX自相关函数图MA(q),观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 title('Dx'); %% 对差分后的序列做拟合和预测，求出最好的阶数 DX=reshape(DX,r-d,1); DX_data=iddata(DX); %将DX转化为matlab接受的格式 test = []; %p = [0 1 2 3];%自回归对应PACF,给定滞后长度上限p和q，一般取为T/10、ln(T)或T^(1/2),这里取 %q = [0 1 2 3];%移动平均对应ACF for p = 1:10 %自回归对应PACF, p=3 原始的 给定滞后长度上限p和q，一般取为T/10、ln(T)或T^(1/2),这里取T/10=12 for q = 1:10 %移动平均对应ACF q=3是原始给的 m = armax(DX_data,[p,q]); AIC = aic(m); %armax(p,q),选择对应FPE最小，AIC值最小的模型 test = [test;p q AIC]; end end for k = 1:size(test,1) if test(k,3) == min(test(:,3)) %选择AIC值最小的模型 p_test = test(k,1); q_test = test(k,2); break; end end %% 拟合过程 sys = armax(DX_data,[p_test q_test]);%armax(p,q),[p_test q_test]对应AIC值最小 figure; e = resid(sys,DX_data); %拟合做残差分析 plot(e); grid; title('Residual analysis'); %% 检验残差的自相关和偏相关函数 是否是平稳序列 figure; subplot(2,1,1); autocorr(e.OutputData); %d阶差分序列z自相关函数图MA(q)，置信水平0.95 subplot(2,1,2); parcorr(e.OutputData); %d阶差分序列z偏相关函数图AR(p)，置信水平0.95 %% 预测过程 p=predict(sys,DX_data,plength);%sys是模型 data是真实数据 plength预测长度 f=forecast(sys,DX_data,flength); figure; compare(DX,p,'g'); figure; plot(DX,'-'); hold on; plot(p,'-<'); hold on; plot(f,':*'); grid legend('DX data','predict Data ','forecast data') %% 差分还原 PreP=p.OutputData; PreF=f.OutputData; PrePF=[PreP;PreF]; row=size(SaveDiffData,1); if row~=0 % size(SaveDiffData,2)返回列数 1 返回行数 for index=row:-1:1 PreP=cumsum([SaveDiffData(index,1);PreP]); PrePF=cumsum([SaveDiffData(index,1);PrePF]); end end PreP=PreP+Tredata; Taver=mean(Tredata); Taver_matr=Taver*ones(flength,1);%%%趋势没有预测，只是对其求了个平均值，后期都是用平均值代替forecast趋势 Tredata=[Tredata;Taver_matr]; PrePF=PrePF+Tredata; % figure; plot(y,'-'); hold on; % plot(PreP,'-<'); % hold on; plot(PrePF,'-*'); grid legend('original data','forecast data')