【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

/ {* G5 `  C$ P' X1 内容介绍
​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。
' p7 U' f, D. q0 t9 {
2 部分代码
clear, clc, close all;

data=xlsread('西班牙电价.csv');

data1=data;
2 l& L1 h+ U3 n& j  c9 |& C
numTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证
1 g& G* x# o9 e. y1 K& b% V
dataTrain = data(1:numTimeStepsTrain+1,;% 训练样本

dataTest = data(numTimeStepsTrain:end,; %测试样本

%训练数据标准化处理
9 g. m8 r0 n2 ?# a! o
mu = mean(dataTrain,'ALL');
9 L! _) W+ t% g- G# T  p* o
: H& R" f( O8 e4 R+ ~7 ]( osig = std(dataTrain,0,'ALL');

dataTrainStandardized = (dataTrain - mu) / sig;
1 G& ~3 G- d; `2 O" Y% q; G# w
+ |& i5 s: z6 S$ W+ D4 S" JXTrain = dataTrainStandardized(1:end-1,;% 训练输入
  F7 s$ Z' Z( b0 p- |/ a) l
YTrain = dataTrainStandardized(2:end,;% 训练输出
4 i% ~4 Z, ]8 M- x+ X7 j
0 O1 f: x( A; a6 N- d%% define the Deeper LSTM networks

1 n+ Z7 b. D3 F% |6 ]numFeatures= 1;%输入节点

numResponses = 1;%输出节点

numHiddenUnits = 500;%隐含层神经元节点数

1 r  G0 }, y& v9 bfigure(1)

plot(dataTrain(1:end-1,1));hold on;

3 o5 R& M& e0 {* d$ U& vidx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);
& a& x3 B3 ?1 `& r/ W, K
9 g2 A! r" c0 G5 r" Hplot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');

xlabel("时间/天")
  ~% z: z' ]" _' S4 Y
ylabel("电价")

. O0 u6 V( z- alegend('实际值','预测值')

figure(2)
  t  ?4 T" E/ x) H7 U
subplot(2,1,1)
/ Q( Z9 @# L3 R' F, d7 s6 _! Q0 h0 E
plot(YTest(1,)
2 y/ b9 S) F' `+ h9 ~
) G' u; m3 D/ f6 p$ t; Ehold on
- l7 F0 c( q2 w' `4 V2 D" F3 D) p
plot(YPred(1,,'.-')

hold off

2 _; S) F* N  L' r) T7 r8 \4 flegend(["实际值" "预测值"])

2 h, \7 t8 n7 Q- jxlabel("时间/天")

ylabel("电价")
$ G; n$ S6 C  R% M. v* m: n
- K1 U  q3 S. B* [' S- zylim([5000 20000])

. k& E4 U" O# asubplot(2,1,2)

& e( B" M0 ]& j! a. f$ W. istem(YPred(1, - YTest(1,)

& u8 P8 z5 ?! q: {+ z5 k, T" g9 z: Hxlabel("时间/天")
, o4 V& A6 `. [1 B" V# w  h
& I- O6 H$ }9 N- e7 Jylabel("误差")
3 r# T; ^5 M$ v/ G, f
title("误差百分数 = " + error)

1 F% @5 \8 [' E1 g6 w. N! q4 I3 运行结果

2 F8 C6 |& Y$ ]) [. ?3 Q
+ \* D! \0 i6 o" q8 t- E! L
: ?7 P( P, T6 T, V( E# y; T9 T
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.

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。
/ z: q" e# m) v" n/ l部分理论引用网络文献，若有侵权联系博主删除。
0 D: }$ U' a( d) ^( c————————————————
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。
( ?. v0 p1 K" Y' d原文链接：https://blog.csdn.net/matlab_dingdang/article/details/126754796

1 @0 s' ~4 ]( s  M9 J- W0 M