标签：subplot plot figure res ARIMA 时序 分析模型 LineWidth

%AMRIMA模型：根据图书去年各月销量，预测图书未来销量情况
clc;
clear;
close all;
%导入原始数据，获得时间序列数据矩阵
t = 1:28;
t = t';
y = [1019,1502,-24,61,30,1584,173,901,-3,-67,240,5365,-8,0,124,156,2,7,-112,-86,-134,21,112,-506,-63,40,-3,-546];
y = y';
figure
plot(t, y)
grid on
 
%使用差分运算处理，确定ARIMA模型中的自相关系数ACF和偏相关系数PACF 
figure
subplot(2,1,1),autocorr( y );
subplot(2,1,2),parcorr( y );
figure
dy = diff( y );
subplot(2,1,1),autocorr( dy );
subplot(2,1,2),parcorr( dy );
 
%拟合获得ARIMA模型
Mdl = arima(4,2,1);
EstMdl = estimate(Mdl,y);
res = infer(EstMdl,y);

%检验获得的ARIMA模型
figure
subplot(2,2,1)
plot(res./sqrt(EstMdl.Variance))
title('Standardized Residuals')
subplot(2,2,2),qqplot(res)
subplot(2,2,3),autocorr(res)
subplot(2,2,4),parcorr(res)
 
%通过ARIMA模型预测未来结果，给出误差上下限
[yF,yMSE] = forecast(EstMdl,20,'Y0',y);
UB = yF + 1.96*sqrt(yMSE);
LB = yF - 1.96*sqrt(yMSE);
 
figure
line_old = plot(y,'b','LineWidth',1);
grid on
hold on
line_predt = plot(29:48,yF,'g','LineWidth',1);
line_upLimit = plot(29:48,UB,'r--','LineWidth',1.2);
line_lowLimit = plot(29:48,LB,'r--','LineWidth',1.2);
hold off

标签：subplot,plot,figure,res,ARIMA,时序,分析模型,LineWidth
来源： https://blog.csdn.net/Fernandon/article/details/116371120

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。