y=xlsread('D:\Desktop\數據2.xls','a1:a30')

Data=y;? ?? ?? ?? ???%共30個數據

SourceData=Data(1:25,1); %前25個訓練集

step=5;? ?? ?? ?? ?? ?? ?%后5個測試

TempData=SourceData;

TempData=detrend(TempData);%去趨勢線

TrendData=SourceData-TempData;%趨勢函數

%--------差分，平穩化時間序列---------

H=adftest(TempData);

difftime=0;

SaveDiffData=[];

while ~H

SaveDiffData=[SaveDiffData,TempData(1,1)];

TempData=diff(TempData);%差分，平穩化時間序列

difftime=difftime+1;%差分次數

H=adftest(TempData);%adf檢驗，判斷時間序列是否平穩化

end

%---------模型定階或識別--------------

u = iddata(TempData);

test = [];

for p = 1:5? ?? ?? ?? ?? ?? ?? ???%自回歸對應PACF,給定滯后長度上限p和q，一般取為T/10、ln(T)或T^(1/2),這里取T/10=12

for q = 1:5? ?? ?? ?? ?? ?? ???%移動平均對應ACF

m = armax(u,[p q]);

AIC = aic(m);? ?? ?? ?? ???%armax(p,q),計算AIC

test = [test;p q AIC];

end

end

for k = 1:size(test,1)

if test(k,3) == min(test(:,3)) %選擇AIC值最小的模型

p_test = test(k,1);

q_test = test(k,2);

break;

end

end

%------1階預測-----------------

TempData=[TempData;zeros(step,1)];

n=iddata(TempData);

m = armax(u,[p_test q_test]);

%m = armax(u(1:ls),[p_test q_test]);? ?? ???%armax(p,q),[p_test q_test]對應AIC值最小，自動回歸滑動平均模型

P1=predict(m,n,step);

PreR=P1.OutputData;

PreR=PreR';

%----------還原差分-----------------

if size(SaveDiffData,2)~=0

for index=size(SaveDiffData,2):-1:1

PreR=cumsum([SaveDiffData(index),PreR]);

end

end

%-------------------預測趨勢并返回結果----------------

mp1=polyfit([1:size(TrendData',2)],TrendData',1);

xt=[];

for j=1:step

xt=[xt,size(TrendData',2)+j];

end

TrendResult=polyval(mp1,xt);

PreData=TrendResult+PreR(size(SourceData',2)+1:size(PreR,2));

tempx=[TrendData',TrendResult]+PreR;? ? % tempx為預測結果

plot(tempx,'r');

hold on

plot(Data,'b');

求大神分析一下程序，怎么擬合輸出圖，作擬合誤差分析

總結

以上是生活随笔為你收集整理的matlab模拟gpd,如何用ARMA模型预测中国GDP的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。