arima模型的时间序列预测matlab代码

ARIMA（自回归移动平均）模型是一种常用的时间序列预测模型，它结合了自回归（AR）和移动平均（MA）的特性。下面是一个简单的ARIMA模型的时间序列预测的MATLAB代码示例：

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

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

% 拟合ARIMA模型
model = arima(2,1,1); % AR阶数为2，差分阶数为1，MA阶数为1
fit_model = estimate(model, train_data);

% 预测未来12个时间步的值
forecast_data = forecast(fit_model, 12);

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

请注意，上述代码仅为示例，实际使用时需要根据具体情况进行调整和修改。另外，需要确保已经安装了MATLAB的Econometrics Toolbox才能使用ARIMA模型相关函数。