【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

杨利霞

【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
: E3 G# D& t+ ?, Z
1 内容介绍
7 F) S& z3 W9 F​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。

) J5 X4 ^% P: i) K; }2 部分代码
clear, clc, close all;
* H/ X0 g* v! e/ n1 ]# e
data=xlsread('西班牙电价.csv');

! E" D- l: P$ _. s: hdata1=data;

( H8 S$ T( |5 o/ Y8 VnumTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证
: j9 ?. d4 k6 Y2 ]% _% x/ b5 Z7 ^
dataTrain = data(1:numTimeStepsTrain+1,;% 训练样本
5 R6 B7 }5 e; Q* M5 X4 A
dataTest = data(numTimeStepsTrain:end,; %测试样本

! E: W& t" g7 v: M  S%训练数据标准化处理
' A$ a+ m* D2 O7 L6 B) T0 M
mu = mean(dataTrain,'ALL');

8 Z- U5 d8 ^2 W$ Y; E# _# y; k2 ysig = std(dataTrain,0,'ALL');

dataTrainStandardized = (dataTrain - mu) / sig;

XTrain = dataTrainStandardized(1:end-1,;% 训练输入

, B  _! ~* Q3 q2 d- g) e# d: W1 M+ cYTrain = dataTrainStandardized(2:end,;% 训练输出

%% define the Deeper LSTM networks

3 M5 `% B; ?% y7 Q2 pnumFeatures= 1;%输入节点
5 x% e3 H9 k, W9 B' c9 i
8 m: D9 G2 a+ j& {0 G/ I& A7 J2 JnumResponses = 1;%输出节点

numHiddenUnits = 500;%隐含层神经元节点数

6 X, X. J* a" y8 jfigure(1)

plot(dataTrain(1:end-1,1));hold on;
+ v' {+ `( H" ]: ?9 K0 _# ]
% E) d5 c6 t0 |( o! ]8 G+ Jidx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);
# R4 D& b& D1 q" ?  G, y+ q
) F8 c0 q, f% U- vplot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');
( ^; p  E: a: D) l+ |4 _
xlabel("时间/天")

. ?- q9 X' [- o" p/ s; fylabel("电价")
7 W+ V+ M" l3 x+ W" \9 Q! D2 T
legend('实际值','预测值')

8 D! C# e6 q- r/ }5 @figure(2)

subplot(2,1,1)

plot(YTest(1,)
6 J% z8 v; r& H
hold on
+ A$ c) O) e( m$ P1 [  N0 s
plot(YPred(1,,'.-')

. P$ N: D  A) g, V: [hold off

1 H( E( r' e2 Ulegend(["实际值" "预测值"])
' n+ Z! D. N% j
xlabel("时间/天")
0 n2 {4 v7 T+ W5 V, j! m( |
% P5 [. k& w2 x8 tylabel("电价")
+ V+ W2 ]9 q3 D7 p
ylim([5000 20000])

7 b2 O$ z. A  q* e4 O* f5 wsubplot(2,1,2)

stem(YPred(1, - YTest(1,)
6 D8 i- L; F6 |! ?" y/ }4 _" r
! I2 m2 y5 k" V# p; wxlabel("时间/天")
" u2 l. V+ K2 |
ylabel("误差")

title("误差百分数 = " + error)

3 W7 ?1 F! _8 [. f; v) ~' x3 运行结果


  d- t% ]( d7 f1 f( U- d; h8 G

* Y* i3 r- x, `8 C4 参考文献
2 m; {0 i- i4 D! m" A# p. Z[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.

9 ?' N. Y4 b0 K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。
————————————————
8 @. E( z9 z8 J' f5 N9 }, f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。
3 @) V6 c* t/ L原文链接：https://blog.csdn.net/matlab_dingdang/article/details/126754796

4 F$ Z1 @% H6 W8 y% u( I