matlab预测模型、时间序列处理滑动平均法模型

matlab

by lqx

预测模型的原理和方法

时间序列处理滑动平均法模型

% 假设销售量数据保存在一个向量sales中，每个元素表示当天的销售量
sales = [10, 12, 15, 18, 20, 16, 14, 13, 11, 10, 12, 15];

% 设置滑动窗口大小为3
windowSize = 3;

% 使用滑动平均法对销售数据进行平滑处理
smoothedSales = movmean(sales, windowSize);

% 输出原始销售数据和平滑后的销售数据
disp('原始销售数据:');
disp(sales);
disp('平滑后的销售数据:');
disp(smoothedSales);

%展示结果
原始销售数据:
    10    12    15    18    20    16    14    13    11    10    12    15

平滑后的销售数据:
  1 至 11 列

   11.0000   12.3333   15.0000   17.6667   18.0000   16.6667   14.3333   12.6667   11.3333   11.0000   12.3333

  12 列

   13.5000

function x_smooth = slidingAverage(x, k)
    if k < 1
        error('k must be greater than or equal to 1.');
    end

    N = length(x);
    x_smooth = zeros(1, N+k-1);

    for i = 1:N+k-1
        start_idx = max(1, i-k+1);
        end_idx = min(i, N);
        x_smooth(i) = mean(x(start_idx:end_idx));
    end

    x_smooth = x_smooth(k:end);
end
x = [1 2 3 4 5 6 7 8];
k = 2;
x_smooth = slidingAverage(x, k);
disp(x_smooth);

function sales_smooth = slidingAverage(sales)
    k = 5; % 滑动窗口大小
    b = ones(1, k) / k; % 平均滤波器的系数
    sales_smooth = filter(b, 1, sales);
end
sales = [1000 1200 800 1500 900 1100 1300];
sales_smooth = slidingAverage(sales);
disp(sales_smooth);

% 假设温度数据保存在向量temperature中，湿度数据保存在向量humidity中
temperature = [26, 28, 30, 32, 29, 27, 25, 24, 22, 23];
humidity = [60, 62, 65, 68, 70, 67, 64, 62, 61, 59];

% 设置滑动窗口大小为5
windowSize = 5;

% 使用滑动平均法对温度和湿度数据进行平滑处理
smoothedTemperature = movmean(temperature, windowSize);
smoothedHumidity = movmean(humidity, windowSize);

% 输出原始数据和平滑后的数据
disp('原始温度数据:');
disp(temperature);
disp('平滑后的温度数据:');
disp(smoothedTemperature);

disp('原始湿度数据:');
disp(humidity);
disp('平滑后的湿度数据:');
disp(smoothedHumidity);

%展示结果
原始温度数据:
    26    28    30    32    29    27    25    24    22    23

平滑后的温度数据:
   28.0000   29.0000   29.0000   29.2000   28.6000   27.4000   25.4000   24.2000   23.5000   23.0000

原始湿度数据:
    60    62    65    68    70    67    64    62    61    59

平滑后的湿度数据:
   62.3333   63.7500   65.0000   66.4000   66.8000   66.2000   64.8000   62.6000   61.5000   60.6667