%多元线性 z 与时间序列 y_hat 改 % 计算预测误差平方和最小的线性组合模型 % 求解加权系数 A = [sum(z.^2), sum(z.*y_hat); sum(z.*y_hat), sum(y_hat.^2)]; B = [sum(z.*y); sum(y_hat.*y)]; x = A\B; % 归一化加权系数 x = x/sum(x); % 线性组合预测值 Y = x(1)*z + x(2)*y_hat; % 检查加权系数之和是否为1 if abs(sum(x) - 1) > 1e-6 error('加权系数之和不为1'); end % 检查加权系数是否为非负数 if any(x < 0) error('加权系数不为非负数'); end，输出加权系数不为非负数，如何使加权系数为非负数，代码

有多种方法可以使加权系数为非负数，以下是一种可能的解决方案：

% 求解加权系数 A = [sum(z.^2), sum(z.*y_hat); sum(z.*y_hat), sum(y_hat.^2)];
B = [sum(z.*y); sum(y_hat.*y)];
x = A \ B;

% 使用非负最小二乘法（NNLS）来得到非负加权系数
x = lsqnonneg([z, y_hat], y);

% 归一化加权系数
x = x / sum(x);

% 线性组合预测值
Y = x(1) * z + x(2) * y_hat;

% 检查加权系数之和是否为1
if abs(sum(x) - 1) > 1e-6
    error('加权系数之和不为1');
end

在上述代码中，我们使用了 MATLAB 内置的非负最小二乘法函数 `lsqnonneg` 来得到非负加权系数。然后，我们归一化加权系数并计算线性组合预测值。最后，我们仍然检查加权系数之和是否为1和是否为非负数。