matlab关于时间arma预测工具箱

① matlab怎么进行时间序列分析arima模型

时间序列及其分析概述 ? 时间序列 ? 时间序列的特点及其建立 ? 时间序列分析的概念、特征和作用 ? 时间序列分解 ? 时间序列分析的相关特征量 ? 时间序列分析方法 2/74 1.1 时间序列 自然界以及社会生活的各种事物都在运动、变化和发展着，将它们按时 间顺序记录下来，就可以得到各种各样的时间序列。对时间序列进行分析研 究，可以揭示事物运动、变化和发展的内在规律，对于人们正确认识事物并 由此做出科学的决策具有重要的现实意义。 1.1.1 时间序列定义 定义 1：时间序列就是一组统计数据，依其发生时间的先后顺序排成的 序列。 定义 2：同一现象在不同时间上的相继观察值排列而成的序列称为时间 序列。 定义 3：对某一个或一组变量 x (t ) 进行观察测量，将在一系列时刻 t1 ? ? ? t n 所 得 到 的 离 散 数 据 组 成 的 序 列 集 合 { x (t1 ), ? , x (t n )}，称为时间序列，记为 X ? { x (t1 ),? , x (t n )}。 这种有时间意义的序列也称为动态数据 3/74 1.1 时间序列 时间序列取值一般有两种方式： (1) X 取值观测时间点处的瞬间值 (2) X 取值观测时间点期间的累计值 有些数据虽然不是时间序列，数据与时间无直接关系，但可以近 似看做时间序列。因此，时间序列的广义定义为：有先后顺序的数 据通称为时间序列。

② 你好 请问怎么用matlab确定ARMA模型的阶数，谢谢！

%下面要对差分以后的序列进行拟合和预测，求出最好的阶数
z=[DX;zeros(12,1)];
z=iddata(z);

test=[];
for p=1:12
for q=1:12
m=armax(z(1:200),[p q]);
AIC=aic(m);
test=[test;p q AIC];
end
end
for k=1:size(test,1)
if test(k,3)==min(test(:,3))
p_test=test(k,1);
q_test=test(k,2);
break;
end
end

%拟合
m1=armax(z(1:200),[p_test q_test]);
figure(5);
e = resid(m1,z);
plot(e);
set(gca,'Xlim',[0 ls]);

figure(6);
subplot(2,1,1)
autocorr(e.outputdata)
subplot(2,1,2)
parcorr(e.outputdata)
set(gca,'Xlim',[0 ls]);

%预测过程
pr=predict(m1,z,12);

po=pr.outputdata;
figure(7)
plot(po,'r')
hold on

plot(y,'b');
set(gca,'Xlim',[0 ls]);

③ 用matlab 做时间序列分析应该用什么工具箱

要把抄这个工具箱添加进matlab 中就行了。具体方法：如果是Matlab安装光盘上的工具箱，重新执行安装程序，选中即可。
如果是单独下载的工具箱，一般情况下仅需要把新的工具箱解压到某 个目录，然后用ddpath(对于多个目录的使用genpath()或者pathtool添 加工具箱的路径，然后用which newtoolbox_command.m来检验是否可 以访问。
如果能够显示新设置的路径，则表明该工具箱可以使用了。
具体请看工具箱自己代的README文件。

④ 如何利用matlab确定时间序列ARMA模型的阶数

满意请采纳
%下面要对差分以后的序列进行拟合和预测，求出最好的阶数
z=[DX;zeros(12,1)];
z=iddata(z);

test=[];
for p=1:12
for q=1:12
m=armax(z(1:200),[p q]);
AIC=aic(m);
test=[test;p q AIC];
end
end
for k=1:size(test,1)
if test(k,3)==min(test(:,3))
p_test=test(k,1);
q_test=test(k,2);
break;
end
end

%拟合
m1=armax(z(1:200),[p_test q_test]);
figure(5);
e = resid(m1,z);
plot(e);
set(gca,'Xlim',[0 ls]);

figure(6);
subplot(2,1,1)
autocorr(e.outputdata)
subplot(2,1,2)
parcorr(e.outputdata)
set(gca,'Xlim',[0 ls]);

%预测过程
pr=predict(m1,z,12);

po=pr.outputdata;
figure(7)
plot(po,'r')
hold on

plot(y,'b');
set(gca,'Xlim',[0 ls]);

⑤ 如何用matlab做时间序列预测模型

时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序列的方法构成数据分析的一个重要领域，即时间序列分析。代码

⑥ 怎么用matlab确定ARMA模型的阶数

matlab 10版以上是有时间序列工具箱的，其它的界面操作，自己去学吧。clc,clear randn('state',sum(clock)); %初始化随机数发生器 elps=randn(1,10000); %产生 10000个服从标准正态分布的随机数x(1)=0; %。

>>y=[...]';%注意数据要是列向量哦，>>z=iddata（y）;%识别数据，>>armax(z,'na',p,'nc',q);%其中p,q分别是是AR和MA的阶数。

比如ARMA(2,2)，y(2) = a1*y(1) + e(2)，y(3) = a1*y(2)+a2*y(1)+e(3)+b1*e(2)，y(4)= a1*y(3)+a2*y(2)+e(4)+b1*e(3)+b2*e(2)，y(5)= a1*y(4)+a2*y(3)+e(5)+b1*e(4)+b2*e(3)

具体的,你可以把前面没有的比如当y(1)时候没有y(0)和y(-1)

你可以把它们设做NaN然后转化NaN为0

⑦ matlab高手进，关于ARMA时间序列预测的问题

P是AR（自回归）的阶数 D是差分阶数 Q是MA（移动平均）阶数，模型ARMA（p,d,q）:x1=A1*x(t-1)+.....Ap*x(t-p)+ut+B1*u(t-1)+...Bq*u(t-q)