%ARIMA，是通過一批現有數據（本代碼中batch=100），向后預測后n個數據，這個n越大，預測效果越差

[data]?=?xlsread（‘testdata‘）;
%?設置數據塊大小
batch?=?100;
%預測數量
predict_num?=?10;


%?Box_Cox轉換
[transdatalambda]=boxcox（data（:1））;
%?ARIMA模型處理???利用前100真實數據??滑動窗口預測
Predict=transdata（1:batch1）;
for?iii=1:predict_num???????????????????????????
????Data=Predict（iii:iii+batch-11）;????????????????????%滑動窗口大小為100
????SourceData=Data（1:batch1）;????????????????%前100個訓練集
????step=1;?????????????????????????????????????????????%向后預測一個（效果比較好）
????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=[SaveDiffDataTempData（11）];
??????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（pq）計算AIC
????????test?=?[test;p?q?AIC];
??????end
????end
????for?k?=?1:size（test1）
??????if?test（k3）?==?min（test（:3））?????%選擇AIC值最小的模型
????????p_test?=?test（k1）;
????????q_test?=?test（k2）;
????????break;
??????end
????end
%????----------1階預測-----------------
????TempData=[TempData;zeros（step1）];
????n=iddata（TempData）;?
????m?=?armax（u[p_test?q_test]）;????????%armax（pq）[p_test?q_test]對應AIC值最小，自動回歸滑動平均模型?????????
????P1=predict（mn1）;
????PreR=P1.OutputData;
????PreR=PreR‘;
%????----------還原差分-----------------
????if?size（SaveDiffData2）~=0
??????for?index=size（SaveDiffData2）:-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=[xtsize（TrendData‘2）+j];
????end
????TrendResult=polyval（mp1xt）;
????PreData=TrendResult+PreR（size（SourceData‘2）+1:size（PreR2））;
????tempx=[TrendData‘TrendResult]+PreR;????%?tempx為預測結果
????Predict（100+iii1）=tempx（1101）;
end

%?求逆變換?%?最后的預測值在Inverse_transdata中
Inverse_transdata=Inverse_BoxCox（Predictlambda）;

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????2671??2020-05-13?23:14??ARIMA\ARIMA_main.m

?????文件????????203??2017-10-27?09:08??ARIMA\Inverse_BoxCox.m

?????文件??????23040??2020-05-13?22:55??ARIMA\testdata.xls

?????目錄??????????0??2020-05-13?23:14??ARIMA

-----------?---------??----------?-----??----

????????????????25914????????????????????4