时间序列预测matlab代码

以下是一个简单的基于 MATLAB 的时间序列预测代码示例：

% 读取数据
data = xlsread('data.xlsx','Sheet1','A2:B1001');
t = data(:,1);
y = data(:,2);

% 数据可视化
figure;
plot(t,y);
xlabel('时间');
ylabel('数据');
title('原始数据');

% 将数据分为训练集和测试集
train_ratio = 0.8;
train_size = round(train_ratio * length(y));
train_t = t(1:train_size);
train_y = y(1:train_size);
test_t = t(train_size+1:end);
test_y = y(train_size+1:end);

% 创建时间序列预测模型
model = arima(2,1,2);
fit = estimate(model,train_y);

% 预测未来一年的数据
num_steps = length(test_t);
[y_pred, ~] = forecast(fit,num_steps,'Y0',train_y);

% 数据可视化
figure;
plot(test_t,test_y,'g');
hold on;
plot(test_t,y_pred,'r');
xlabel('时间');
ylabel('数据');
title('预测结果');
legend('测试集','预测结果');

这个代码使用了 MATLAB 自带的 ARIMA 模型进行时间序列预测。首先，通过 `xlsread` 函数读取数据并进行可视化。然后，将数据分为训练集和测试集。接着，使用 `arima` 函数创建一个 ARIMA 模型，并用 `estimate` 函数拟合模型。最后，使用 `forecast` 函数对测试集进行预测，并将结果可视化。