时间序列预测模型完整代码matlab

以下是一个简单的ARIMA时间序列预测模型的MATLAB代码示例：

% Load time series data
data = xlsread('data.xlsx');

% Split data into training and testing sets
trainData = data(1:80,:);
testData = data(81:end,:);

% Fit ARIMA model to training data
arimaModel = arima(1,1,1); % ARIMA(1,1,1) model
fitArimaModel = estimate(arimaModel,trainData);

% Forecast future values
numForecast = length(testData);
[forecast,~] = forecast(fitArimaModel,numForecast,'Y0',trainData);

% Plot actual vs. predicted values
figure;
plot(data);
hold on;
plot(81:100,forecast,'r');
legend('Actual','Predicted');

其中，'data.xlsx'是时间序列数据的Excel文件，包含一列时间序列数据。我们首先将数据加载到MATLAB中，然后将其拆分为训练集和测试集。接下来，我们使用`arima`函数来拟合ARIMA模型，并使用`estimate`函数将该模型拟合到训练数据上。最后，我们使用`forecast`函数来预测未来值，并将预测结果绘制在图表中。

请注意，这只是一个简单的ARIMA模型的代码示例。对于更复杂的时间序列预测问题，可能需要使用其他类型的模型或算法。