时序预测 | Matlab基于灰色隐马尔可夫模型(HMMP-GM11)的时间序列预测

时序预测 | Matlab基于灰色隐马尔可夫模型(HMMP-GM11)的时间序列预测

目录

• • 时序预测 | Matlab基于灰色隐马尔可夫模型(HMMP-GM11)的时间序列预测
  • • 预测效果
    • 基本介绍
    • 程序设计
    • 参考资料

      预测效果

      

      
      （图片来源网络，侵删）

      

      

      

      基本介绍

      灰色HMMP-GM11改进模型,通过引入隐马尔可夫模型(HMM)来对原始数据进行状态分析，然后利用GM(1,1)模型进行预测，从而提高了预测精度。并采用变量筛选MIV方法对变量进行筛选，对每个指标的重要性进行分析。内附具体流程步骤

      程序设计

      • 完整源码和数据下载地址私信回复Matlab基于灰色隐马尔可夫模型(HMMP-GM11)的时间序列预测。

        %-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
        %%  清空环境变量
        warning off             % 关闭报警信息
        close all               % 关闭开启的图窗
        clear                   % 清空变量
        clc                     % 清空命令行
        %%  数据反归一化
        T_sim1 = mapminmax('reverse', t_sim1', ps_output);
        T_sim2 = mapminmax('reverse', t_sim2', ps_output);
        %% V. 评价指标
        %%  均方根误差 RMSE
        error1 = sqrt(sum((T_sim1 - T_train).^2)./M);
        error2 = sqrt(sum((T_test - T_sim2).^2)./N);
        %% 决定系数
        R1 = rsquare(T_train,T_sim1);
        R2 = rsquare(T_test,T_sim2);
        MAE1 = mean(abs(T_train - T_sim1));
        MAE2 = mean(abs(T_test - T_sim2));
        %% 平均绝对百分比误差MAPE
        MAPE1 = mean(abs((T_train - T_sim1)./T_train));
        MAPE2 = mean(abs((T_test - T_sim2)./T_test));
        %-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
        

        参考资料

        [1] https://blog.csdn.net/kjm13182345320/article/details/124693040?spm=1001.2014.3001.5502

        [2] https://blog.csdn.net/kjm13182345320/article/details/124864369?spm=1001.2014.3001.5502

        
        （图片来源网络，侵删）
        
        （图片来源网络，侵删）