arima季节性模型预测matlab代码

根据引用，ARIMA季节性模型的预测MATLAB代码包括以下步骤：
1. 首先，使用经典的ARIMA模型得出初步的预测数值，并生成绝对误差序列。
2. 接下来，将绝对误差序列输入GRNN模型，以得出预测的绝对误差数值。
3. 最后，通过反算将预测的绝对误差数值转换为最终的预测数值。

根据引用，在运行MATLAB代码之前，需要提供一些输入，包括：
- "模型参数"：输入上述步骤得出的最优参数。
- "实际值输入"：粘贴需要预测的实际值，例如江苏省2012年1月至2012年12月的发病率数据。
- "预测数目（个）"：设置要输出的预测数目，例如这里设置为12。
- 点击"预测"按钮来进行预测。

根据引用，预测结果将包括以下四个部分：
1. AIC值和BIC值：表示模型拟合的好坏程度。
2. 参数检验结果：包括p、q、P、Q参数的检验结果，可以复制粘贴到另外的表格中进行分析。
3. 预测值和实际值曲线图展示：显示预测值和实际值的曲线图，可以帮助分析预测的准确性。
4. 预测误差展示：包括MAE（平均绝对误差）、MAPE（平均绝对百分比误差）、MSE（均方误差）、RMSE（均方根误差）等指标，用于评估预测的准确性。

请注意，具体的MATLAB代码会根据实际需求和数据进行相应的编写，以上是一般步骤的总结。