时间序列预测模型matlab代码

时间序列预测是一种用于预测未来时间点上的数值的模型。在MATLAB中，可以使用多种方法来实现时间序列预测。以下是一种常用的方法，使用自回归移动平均模型（ARMA）：

% 导入时间序列数据
data = readmatrix('data.csv'); % 假设数据保存在data.csv文件中

% 拆分数据为训练集和测试集
train_data = data(1:end-12); % 使用前n-12个数据作为训练集
test_data = data(end-11:end); % 使用最后12个数据作为测试集

% 训练ARMA模型
model = arima(2, 0, 1); % 创建ARMA(2,1)模型
est_model = estimate(model, train_data); % 用训练集拟合模型

% 预测未来时间点上的数值
forecast_data = forecast(est_model, 12); % 预测未来12个时间点上的数值

% 绘制预测结果
plot(data, 'b'); hold on;
plot(length(data):length(data)+11, forecast_data, 'r');
legend('原始数据', '预测结果');

这段代码首先导入时间序列数据，然后将数据拆分为训练集和测试集。接下来，创建ARMA(2,1)模型，并使用训练集对模型进行拟合。最后，使用拟合好的模型预测未来12个时间点上的数值，并将原始数据和预测结果绘制在同一张图上。