1.界面

1.1 ARIMA擬合值 輸入由ARIMA模型所取得的擬合值，如圖一。

1.2實際值?輸入與ARIMA擬合值對應的實際值。

1.3 尋找最優(yōu)光滑因子界面

1.3.1?ARIMA擬合值?輸出隨機抽樣的2個樣本的ARIMA擬合值。

1.3.2 實際值?輸出隨機抽樣的2個樣本的實際值，與ARIMA擬合值對應。

1.3.3 最優(yōu)光滑因子?輸出最優(yōu)光滑因子。

1.3.4 最小RMSE值?輸出在最優(yōu)光滑因子下模型的預測誤差（RMSE值）。

1.3.5 尋找?點擊后輸出以上四個數(shù)值，并以圖表顯示光滑因子從0.001到5（步長為0.001）模型的預測誤差（RMSE值）。

1.4 組合模型預測界面

1.4.1 ARIMA預測值 輸入ARIMA預測值。

1.4.2 實際值?輸入實際值。注意，如果是為了認證模型精度，則輸入對應的實際值；如果是用于預測，則全部填0，個數(shù)必須與ARIMA預測值一致。此時下面的預測精度沒有參考意義。

1.4.2 預測誤差 MAE 輸出模型擬合的平均絕對誤差；

???????????????MAPE 輸出模型擬合的平均相對誤差；

???????????????MSE 輸出模型擬合的均方誤差；

???????????????RMSE 輸出模型擬合的均方根誤差。

1.4.3 預測 點擊后輸出預測誤差，并以圖表顯示預測值與實際值的曲線圖。

?GUI下載地址

參考論文地址

2.實例演示

某縣肝炎月發(fā)病率數(shù)據(jù)，經(jīng)過ARIMA模型預測：

擬合值=[?11.0949 10.1789 9.4661 10.0071 9.6240 9.0356 8.6444 8.0778 10.2420 8.9781 6.7481 11.5618 8.7741 10.6194 10.6226 11.1900 10.9352 11.0930 10.8771 9.3720 12.1692 11.0099 8.8911 16.3003 11.6019 15.2327 10.7194 12.7446 11.1373 10.2123 10.5788 8.8655 12.1859 9.0655 7.6693 15.6150 11.0645 14.6859 11.6246 11.3404 11.8955 11.4558 11.0134 9.6445 13.3129 9.4631 9.2110 18.2545 13.2275 14.3209 11.6632 12.2775 11.0787 9.9194 11.0299 10.1717 12.3242 8.9400 9.8717 17.8065 13.4823 14.3741 10.4585 13.8420 10.8867 9.9488 11.3834 9.9746 12.3888 9.9439 9.6062]

對應的實際值=[?10.9257 10.4921 8.9313 10.3187 9.0180 8.6712 8.4110 7.5439 9.5383 7.5439 6.4167 10.7239 7.7212 12.8687 11.4961 11.3245 11.3245 10.2950 10.8097 9.6087 13.1261 9.9518 8.4076 18.7771 16.9079 12.9146 11.1303 10.8754 8.4964 8.6663 8.4964 8.5814 9.2611 6.9671 8.0716 16.2429 12.7445 13.0776 9.1627 11.8282 12.5779 10.4954 9.7458 10.2455 10.9952 9.9124 9.4959 15.4457 13.3808 13.2982 11.1507 12.1418 9.3335 11.1507 11.1507 11.0681 10.9029 10.2421 9.3335 15.1027 13.1220 11.8016 12.4618 10.8112 8.3354 11.6365 9.6558 11.3064 12.0491 9.6558 12.0491]

預測值=[?18.9834 14.5431 14.4035 12.0812 13.0326 11.0072 11.9649 11.4831 11.6882 12.3038 10.7863 10.5662]

對應的實際值=[?15.3756 12.3166 14.4901 11.4311 11.8336 9.6601 11.5921 11.2701 11.1091 11.0286 10.3041 12.0751]

2.1 輸入ARIMA擬合值和實際值，點擊尋找，如圖二。

2.2 輸出隨機抽取的2對ARIMA擬合值以及對應的實際值，最優(yōu)光滑因子以及最小RMSE值。并以圖表顯示光滑因子從0.001到5（步長為0.001）模型的預測誤差（RMSE值），如圖三。

2.3 輸入ARIMA預測值以及對應的實際值，這里我們是在認證模型精度，故實際值已知，如圖四。若用于預測，則實際值是不知道的，需填入12個0，如圖五。

?2.4 點擊預測，輸出預測誤差，并以圖表顯示預測值與實際值的曲線圖，如圖六。若用于預測，則輸出的預測誤差沒有參考意義，如圖七。

總結(jié)

以上是生活随笔為你收集整理的ARIMA-GRNN模型的发病率预测GUI：基于Matlab编写（GRNN部分）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。