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

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

好文链接

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：