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 内容介绍
6 p' E. P1 M" |​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。

! N6 L2 u( Y+ ~8 U2 部分代码
: g' }" b; m* Z! v: \5 A5 M* r  Vclear, clc, close all;

: @' b; w: _% @" E. K& t+ W" ^data=xlsread('西班牙电价.csv');

2 C; r$ H, b' P) r; |" o: Mdata1=data;
( d; X1 b3 P% w0 g% p/ H
numTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证

) O% P' K* W) F: A% XdataTrain = data(1:numTimeStepsTrain+1,;% 训练样本
! x/ q1 y3 P: ]( \# h& I3 Y/ r' l
dataTest = data(numTimeStepsTrain:end,; %测试样本

( c' C' p* d# f5 k+ c! F) d2 I%训练数据标准化处理

  b  R8 M7 n# A( N9 Ymu = mean(dataTrain,'ALL');
* l7 F" L$ T# b# M* d% c
sig = std(dataTrain,0,'ALL');

dataTrainStandardized = (dataTrain - mu) / sig;
# \: a" y; K/ ]- \9 W
* \) t" v+ Q+ B0 L6 DXTrain = dataTrainStandardized(1:end-1,;% 训练输入
+ M, Q" z9 E' {  V
YTrain = dataTrainStandardized(2:end,;% 训练输出
" J- A/ M3 Q. l' Y% u
+ g; g6 B4 I$ J7 r%% define the Deeper LSTM networks

numFeatures= 1;%输入节点
$ C1 W  d) V; A$ ~& X; h
/ O; A- d: P- w5 @$ H1 U3 nnumResponses = 1;%输出节点
$ a# D& h: M/ X3 i1 I! l  R0 S/ o8 e
8 U9 M, D7 i* o/ ?$ ?' @# HnumHiddenUnits = 500;%隐含层神经元节点数
: u9 `, T% C4 m. |; @2 n
) c- D+ T7 K7 N; q6 k* Y% i  Z* r2 zfigure(1)
0 X$ a- k7 ?/ k$ S* ?  C, j  b+ r5 ~7 H
plot(dataTrain(1:end-1,1));hold on;
* b( z6 F( X" M- \& y. @* Z+ }
idx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);
1 J8 c4 I2 S3 m8 S  {
. d$ C4 Z7 o. i9 f. dplot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');

8 \  S' \2 t9 D0 m+ i, a# sxlabel("时间/天")

! W# n6 p6 A8 I& F* D; d+ f) Lylabel("电价")

% K0 B9 H9 t* z& Mlegend('实际值','预测值')

figure(2)
( [( Z  r* ?; \" [4 T: u9 N  B- p
subplot(2,1,1)

+ G0 D4 B' R" f7 L8 d# h4 N5 N) eplot(YTest(1,)

9 h6 B9 U7 ^+ T: s' a- `# Shold on

plot(YPred(1,,'.-')

# e7 L' ^- W) X% C- r2 qhold off
; n8 ?; s* \! k( V, w4 P) u6 V
; Z) t1 E& X  s4 E# Y2 o# q; Z/ ~legend(["实际值" "预测值"])
8 F* }7 ^" @- z4 o% s
' P* X) P- K% R6 m7 Y  g% }xlabel("时间/天")
0 F, x; s+ m6 i& ?
ylabel("电价")

* ~# v1 L, w. `; s- nylim([5000 20000])

subplot(2,1,2)

stem(YPred(1, - YTest(1,)

xlabel("时间/天")

) ]8 S3 ^2 N* i4 h0 Eylabel("误差")

! b' v  q; R9 p5 I% D1 ztitle("误差百分数 = " + error)

9 D- w4 z& B1 M* h( g- v, f& o3 运行结果


: Z, v" [+ C1 K3 E$ W3 j: |4 K
" \% v5 n/ h3 A, ?  J4 G7 a
4 参考文献
[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.
) r/ p0 Q* B% m+ J- W3 L% v
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。
部分理论引用网络文献，若有侵权联系博主删除。
————————————————
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。
  }0 X4 c* ~% f0 m原文链接：https://blog.csdn.net/matlab_dingdang/article/details/126754796

( j2 ]- c0 S3 D" t# _1 F! J
' j' `0 J2 Z- V

22.png (19.79 KB, 下载次数: 539)

2022-9-8 10:27 上传

点击文件名下载附件

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5