数学建模社区-数学中国

标题: 【回归预测-Lstm预测】基于长短期记忆网络LSTM实现电价时间序列单步预测附matlab代码 [打印本页]
作者: 杨利霞    时间: 2022-9-8 10:28
标题: 【回归预测-Lstm预测】基于长短期记忆网络LSTM实现电价时间序列单步预测附matlab代码
【回归预测-Lstm预测】基于长短期记忆网络LSTM实现电价时间序列单步预测附matlab代码1 [9 D: S- `: I2 B" I

+ G# u$ `* h+ n5 Q( O; R& b1 内容介绍
( i0 ]( c: |$ H​时间序列数据往往反映了某个事件发展的规律,蕴含着丰富的潜在信息。长短期记忆(LSTM)神经网络由于其网络结构的特殊性可以储存信息,解决长期依赖问题,常被用于时间序列预测。对LSTM的研究有利于高效挖掘出时序数据中的重要信息,对社会、经济等各个方面的发展均有着重要的影响。, |$ ]: u+ I; ]

! ]4 V  P+ m9 u2 y2 部分代码3 `# b5 s4 e- c; D
clear, clc, close all;4 ]9 b! n! m  n; m0 d

7 f9 G3 H* |6 e5 h# F, d& Rdata=xlsread('西班牙电价.csv');! l; H+ A& i1 _

6 x% S9 \+ |5 _  @data1=data;
  o7 c, A( y. V( \- v' ?1 X- z; r1 Z7 v+ G& ~5 j- R
numTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证
; z* @9 {2 w/ \  T4 @% ~. Z" O0 I  f2 o
dataTrain = data(1:numTimeStepsTrain+1,;% 训练样本; t$ e) P2 e+ c! \* c

: z& v8 V% `: O3 z& JdataTest = data(numTimeStepsTrain:end,; %测试样本 . x: ]8 w% ^, |) K% s1 P, n7 {

" S/ ?/ G9 A* E, X4 C( F' G%训练数据标准化处理 * g6 Z6 }- f" v( |
, A# d* h% W( b6 i0 K  g9 I
mu = mean(dataTrain,'ALL');
6 G$ H  q# X' I7 ?1 S" m! t# V9 t6 \7 ]* X
sig = std(dataTrain,0,'ALL');
" f5 o- G5 P" h4 a3 ~* q# L0 l" j4 x) `- M' x% @( \/ [. W
dataTrainStandardized = (dataTrain - mu) / sig;
  u7 ]/ O$ R. v; N6 K
# h+ F/ A' o/ h: s' w, |3 C0 \9 f! HXTrain = dataTrainStandardized(1:end-1,;% 训练输入
; R* n& K% C4 P5 C+ T4 s% y
+ Y' T# p9 e2 oYTrain = dataTrainStandardized(2:end,;% 训练输出9 Z( F3 n8 ~; k6 e" S* q
% F7 O6 t! W% i/ f* C' a
%% define the Deeper LSTM networks" s' Q' H6 o: n# H9 r

& C0 F" U# Q- }2 K' X: ZnumFeatures= 1;%输入节点
/ @4 W& f/ l$ k2 Z- U8 p- }, |& y& f' m+ q4 C8 |, n7 A
numResponses = 1;%输出节点
: E& w! I! ~2 L! _
  `6 P  L' S% g' P6 s7 V" H6 W% F5 SnumHiddenUnits = 500;%隐含层神经元节点数
0 U& C' q! M5 D2 B# @
0 W1 H% K5 o" ?figure(1)* x6 c* c1 n8 T7 ^7 D
+ \/ V+ z  j7 l) \. {. p1 X  T6 J
plot(dataTrain(1:end-1,1));hold on;: N) t- h6 T( S( Y1 L9 h7 o

1 C; w3 }; ^' J9 H8 c, kidx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);
4 I1 j9 h, Y: G3 B9 s9 |; q* P- T8 b6 K# i3 L
plot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');0 O" {# H  L2 f" d; V* e
% z# t; @; T' j! B
xlabel("时间/天")
' m/ h1 b; m2 H% ?, _, [; Y& H  n6 @3 K# g9 [. R$ D! Y7 z% M
ylabel("电价")7 S  S4 K) E4 b' ?$ G
( I9 O3 L6 \  V' _. }5 M( V
legend('实际值','预测值')# y! F9 ^7 l, J- [8 ?
( x; d2 m' f) c9 l, s$ p
figure(2)
! B% \/ S! F7 v; p! }$ K
* U. e# o9 Q! L- \) vsubplot(2,1,1)
# U7 @1 {* v: Q$ Y# y: Y0 E
7 _8 ~% o4 _% V, l' `. x9 zplot(YTest(1,)
( {2 ]4 Y' L& f4 e' H6 O% m2 p! g
hold on9 H  I: g8 ~- L$ Y

$ {. d; h% e6 }4 wplot(YPred(1,,'.-')
" j5 |4 M. p1 ?7 l" i* H) r6 V% T+ v8 Z5 m, ^$ ]: G
hold off+ s# M1 {: U, a$ C0 `2 @2 g$ H6 D
, ^( e; L2 c# s5 W% w
legend(["实际值" "预测值"])
  L4 O& m8 ^" e2 c7 ^& |% L3 D5 z) }- ]' W2 ?  C
xlabel("时间/天")/ L6 e1 U1 p3 S( J! Y
3 P9 G* H% s- F4 z: f! |( O
ylabel("电价")0 V: }  C- B& N% a9 i# }" I2 ?

* M* g/ K1 o! i/ x3 T0 [' J/ sylim([5000 20000])0 Q* N: {3 R: g, x  }( x
$ u0 s# F* P) I. _2 u1 K
subplot(2,1,2)
) U% `. ?7 d$ L4 {  |# Z. C$ |7 Q2 G7 ^" K
stem(YPred(1, - YTest(1,)& p3 E" N* c2 n# B/ r
# s4 F. T% i# y8 q6 I6 r
xlabel("时间/天"): y3 i, E- J7 x: h$ b0 a* M
4 t3 A7 `' E, Y6 w! ?
ylabel("误差")
$ Q* F' V- A3 x+ c. S* Y3 a4 f1 Z( c; h
- t+ G. @" _, O9 n' Ititle("误差百分数 = " + error)% D2 P/ k5 |* g2 K0 \( p8 m9 [! D( n

7 g5 e$ F) O# q* w: k3 运行结果
1 B( }; f" `9 r3 e; G5 d 111.png
1 n* v$ b! m2 \; s9 D- _( d' H# x) L( J4 L! N

+ x6 J6 T4 _6 |, w
. O% S& I8 Z# w& X- r4 参考文献
( u9 p, ?' x/ h; s. A[1]魏昱洲, 许西宁. 基于LSTM长短期记忆网络的超短期风速预测[J]. 电子测量与仪器学报, 2019(2):8.
8 ~/ W1 B, Z' q8 ^/ J; ~3 i; ?- r3 ?5 U( ]8 Y- a) d- D4 \
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的Matlab仿真，相关matlab代码问题可私信交流。" h) f( @1 M+ _* C
部分理论引用网络文献，若有侵权联系博主删除。/ V% v% }* {# i5 x4 L3 D" [8 l
————————————————
% R' m/ ^  q9 V+ v6 |版权声明：本文为CSDN博主「matlab_dingdang」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。+ ?) K2 A, `* x, r4 G) }4 Q
原文链接：https://blog.csdn.net/matlab_dingdang/article/details/126754796
6 E+ A( x/ C, N$ ?# C1 G, [5 z2 y4 I

# n! K* \6 v3 r- v5 N! H

22.png (19.79 KB, 下载次数: 560)

22.png





欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) Powered by Discuz! X2.5