基于贝叶斯线性回归模型的多元时序预测

本文给出了如何对一个具有三个输入（分别是平均气温，风速，气压）和一个输出（湿度）的数据集进行建模并往后114步的湿度输出。

理论基础请自行查阅相关学术资料，此处不做叙述。（仅给出结果）

先进行数据预处理得到如下图像：

label_cell = ({'平均温度','风速','气压','湿度'});
for j = 1:4
    ax(j) = subplot(2,2,j);
    plot(a(:,j));
    ax(j).YLabel.String = label_cell(j);
    ax(j).YLabel.FontName = '仿宋';
    ax(j).YLabel.FontSize = 15;
    ax(j).YLabel.FontWeight = 'bold';
end

原始时序图(已经过预处理)

 

建立先验模型：

PriorMdl = bayeslm(3,ModelType="lasso",VarNames=["平均气温","风速","气压"]);
PriorMdl.Lambda = [1;1;100];

由于数据量充足ÿ