时间序列 matlab 代码

当然，我可以为您提供一个简单的时间序列分析的 MATLAB 代码示例。以下是一个基本的时间序列预测示例，使用 ARIMA 模型进行预测：

% 加载数据
data = load('timeseries_data.mat');
ts = data.timeseries;

% 划分训练集和测试集
train_data = ts(1:80);
test_data = ts(81:end);

% 拟合 ARIMA 模型
model = arima(2, 0, 1);
estimates = estimate(model, train_data);

% 预测
[yf, ymse] = forecast(estimates, length(test_data), 'Y0', train_data);

% 绘制预测结果
figure;
plot(train_data, 'b', 'LineWidth', 1.5);
hold on;
plot(81:length(ts), [train_data(end); yf], 'r--', 'LineWidth', 1.5);
xlabel('时间');
ylabel('数值');
legend('原始数据', '预测结果');

% 计算预测误差
mse = mean((test_data - yf).^2);
disp(['均方误差 (MSE): ', num2str(mse)]);

请注意，上述代码中的 `timeseries_data.mat` 是一个包含时间序列数据的 MAT 文件。您需要将其替换为您自己的数据文件。

此示例中使用了 ARIMA(2, 0, 1) 模型，您可以根据您的实际需求调整模型的参数。此外，代码还计算了预测结果与测试集数据的均方误差（MSE）作为评估指标。

希望这个示例能对您有所帮助！如有任何疑问，请随时提问。