arimaln,ar,mastata代码arealdata=areal2014(:,2:size(area12014,2));%（更
改此处原始数据>x=arealdata;x=x’;x=x(:);%按时间顺序排成一列%plot(x)%时序图s=96;%以天为周期
(更改此处)%y1=l:size(x,1);scatter(yl'',x)%散点图ml=length(x);%原始数据的个数
%以天为周期进行差分，消除周期性fori=s+1:m1y(i-s)=x(i)-x(i-s);end%一阶差分消除趋势
性w=diff(y);m2=length(w);%计算差分处理后的数据个数k=O;%初始化试探模型的个数fori=0:10%计
算出所有可能的模型forj=0:10ifi==O&j==0continueelseifi==OToEstMd=ari
ma(''MALags'',1:j,''Constant’,0);%指定模型的结构elseifj==0ToEstMd=arima
(’ARLags'',1:i,''Constant’,0);%指定模型的结构elseToEstMd=arima(’ARLags''
,1:i,''MALags'',1:j,''Constant'',0);%指定模型的结构endk=k+1;R(k)=i;M(k)=
j;[EstMd,EstParamCov,logL,info]=estimate(ToEstMd,w'');%模型拟合numPa
rams=sum(any(EstParamCov));%计算拟合参数的个数%computeAkaikeandBayesi
anInformationCriteria[aic(k),bic(k)]=aicbic(logL,numParams
,m2);endendfprintf(''R,M,AIC,BIC的对应值如下\n%f’);%显示计算结果check=[R’,M'',
aic'',bic''];%赤池信息量准则，即Akaikeinformationcriterion、简称AIC，是衡量统计模型
拟合优良性的一种标准，%是由日本统计学家赤池弘次创立和发展的。赤池信息量准则建立在嫡的概念基础上，可以权衡所估计模型的%复杂度和此
模型拟合数据的优良性。优先考虑的模型应是AIC值最小的那一个。%贝叶斯信息准则，BIC=BayesianInformationC
riterionsn=796;%预测数据的个数(更改此处)r=input(’输入阶数R='');m=input(’输入阶数M=
'');ToEstMd=arima(''ARLags'',1:r,''MALags'',1:m,''Constant'',0);%指定
模型的结构[EstMd,EstParamCov,logL,info]=estimate(ToEstMd,w'');%模型拟合w_Fo
recast=forecast(EstMd,n,''Yo’,w'')%计算12步预报值，注意已知数据是列向量yhat=y(
end)+cumsum(w_Forecast);%求一阶差分的还原值forj=l:nx(ml+j)=yhat(j)+x(m
l+j-s);%求x的预测值endxhat=x(ml+l:end);%截取n个预测值 |
|
