【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
8 Z7 [+ N+ w0 T# D4 Q% K. _- ~
% \" j7 F) O+ \) v) o: R4 J1 内容介绍
/ X$ ^+ a, V6 ^​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。
! y+ z& B3 c6 _' ^& u0 s& |
7 P5 a* [6 a, x) K+ s2 部分代码
3 X; P8 m' y2 @" g2 V0 ^clear, clc, close all;

6 i1 s0 s! l$ m1 f( X) l2 `' _data=xlsread('西班牙电价.csv');

/ e) V5 [. z; @  Pdata1=data;
6 p9 f6 ]1 K" [* @
numTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证
# T1 Z1 d! ~1 N6 W
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
1 s9 i( i2 e5 D# `; l- l
mu = mean(dataTrain,'ALL');
# A) ~6 H  B# L% j4 c' N; ^% ^( T$ J
* x. V' H. ]2 Xsig = std(dataTrain,0,'ALL');

. ?' m9 Q" w8 S& d6 gdataTrainStandardized = (dataTrain - mu) / sig;

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

YTrain = dataTrainStandardized(2:end,;% 训练输出

" A/ \& V2 I7 y8 k0 o( J%% define the Deeper LSTM networks
: i7 Z$ M* z3 P8 B; B0 S
: ^/ E7 l0 O7 G8 o" RnumFeatures= 1;%输入节点
. P: m2 R; }+ P# q* J) x8 ?
numResponses = 1;%输出节点
5 w7 v# N& R2 W. a
2 E; r- K0 Q0 q7 mnumHiddenUnits = 500;%隐含层神经元节点数

figure(1)

plot(dataTrain(1:end-1,1));hold on;
) H# Z- Y4 J% z9 o  s6 f: H
* u! [/ d+ n2 F& zidx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);

2 Q; H. B; E. E6 P1 W9 Zplot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');

, J# t- ~1 E" Z- R% G. m0 wxlabel("时间/天")
1 Q0 d3 U2 G5 n- z2 W
/ z0 l/ {" c8 H8 Fylabel("电价")
( a1 @7 b( g! Q' o
' h: z0 E! j8 jlegend('实际值','预测值')

4 W  T) o" ~3 P, Q; [figure(2)
/ p( k& L! z/ H, ^7 M
subplot(2,1,1)

plot(YTest(1,)
# S0 O6 O7 f5 B
6 |3 W! S' d8 Thold on

+ x  ^" l# i0 P5 Xplot(YPred(1,,'.-')

hold off

) x6 G! g! }! z0 v; nlegend(["实际值" "预测值"])

xlabel("时间/天")

3 ^, `8 y* E8 [( x3 s  aylabel("电价")
6 z* {  ~' H% Y
ylim([5000 20000])
* `9 A8 E$ R  k
subplot(2,1,2)
8 m8 p# p+ p. a; A. o
stem(YPred(1, - YTest(1,)

xlabel("时间/天")

ylabel("误差")

" f3 ?) G, q) m/ U& H: rtitle("误差百分数 = " + error)

3 运行结果
( |$ ~) k  k) X  n1 F

& |( Q2 P! U& H% }! m- {' {8 q7 V

3 g7 J0 P6 x! _4 参考文献
8 v: A2 s0 {7 n! 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.
- A0 O7 H1 [9 ?4 `9 _
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。
————————————————
4 l* q* h2 K5 o  B2 _) `+ g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。
% L( c1 W1 D& W7 ~4 S2 I原文链接：https://blog.csdn.net/matlab_dingdang/article/details/126754796