【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
: m  Y4 {; ^& G: s% G
* a* Y) ~9 ^0 u0 E# l1 内容介绍
9 V- w8 ~+ r% H/ ^: f( e​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。

" [5 `( I8 B9 T9 L5 l2 部分代码
clear, clc, close all;
0 F$ n2 Q3 k3 [! f8 p( `
1 H$ s1 n4 ~5 Y! C9 hdata=xlsread('西班牙电价.csv');

data1=data;

numTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证
4 K5 n9 G+ m$ B& |4 U
dataTrain = data(1:numTimeStepsTrain+1,;% 训练样本
; @- f$ D( ^* {, |
dataTest = data(numTimeStepsTrain:end,; %测试样本
/ u& s5 |, ?; G9 P# q
%训练数据标准化处理
% f/ {. E1 n) L  p
mu = mean(dataTrain,'ALL');

% q: b# u" h3 ]4 z/ ?sig = std(dataTrain,0,'ALL');

dataTrainStandardized = (dataTrain - mu) / sig;
- c9 G0 {. u$ D/ v6 t
XTrain = dataTrainStandardized(1:end-1,;% 训练输入
4 C4 p6 [! m9 p; @3 u' J& E+ h
, A. G9 H+ u" jYTrain = dataTrainStandardized(2:end,;% 训练输出
9 X5 l. M4 ?. u& T) h7 D. G* ]; \. u
%% define the Deeper LSTM networks

numFeatures= 1;%输入节点
! {, f5 I/ L1 r! k4 d6 Y
numResponses = 1;%输出节点

; i. ?9 }! V7 T! V' ?numHiddenUnits = 500;%隐含层神经元节点数

: _, u& w0 Y. efigure(1)

plot(dataTrain(1:end-1,1));hold on;
" w* a0 C* S" O
' \/ @5 c: d9 ]/ yidx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);
: M; v' W1 p7 {. p. M/ R+ K' ~
( l* ?+ [3 t* w: p" @% P) Tplot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');
& Z6 D! {  _8 l
; n$ w8 o9 r$ n" d. C: B- cxlabel("时间/天")

ylabel("电价")

1 B7 k" E" `1 ]  k% jlegend('实际值','预测值')

figure(2)
# I3 F: A8 u9 @5 @+ w. i6 a
% j! w. Q1 _6 H/ a  e7 p: ?- @subplot(2,1,1)

plot(YTest(1,)

" r& H# D9 L8 z+ d+ e" P, chold on

* K: u6 B' M1 m( C: b- d3 _plot(YPred(1,,'.-')

hold off
6 U) K$ ?" q+ b' n$ f+ t8 h% l
legend(["实际值" "预测值"])
. D4 n8 m( h: g
xlabel("时间/天")

ylabel("电价")

ylim([5000 20000])
& n3 L3 f! z; B
" c8 f4 }+ K$ J" a  Nsubplot(2,1,2)

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

xlabel("时间/天")
- E3 f1 c3 a- s
ylabel("误差")
/ _. \1 \; T% w( E& c
' t/ w1 _/ M; W* |4 m6 n! ztitle("误差百分数 = " + error)

3 运行结果


' a3 l5 d2 I* ]1 ?
* d% W) m, x8 A) v( i1 _+ @7 ]
4 参考文献
+ M, p" ?8 L2 c  F. o& S+ M[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.

- k+ `* e/ l1 u9 m: G+ a' T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。
————————————————
& |/ U- s0 g( R5 O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 K" p+ W/ E' o  U2 L- X原文链接：https://blog.csdn.net/matlab_dingdang/article/details/126754796
9 Z1 J! k0 o( `  |( i

; ]: Z' O! @/ c4 m( @