【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

4 U. D6 R  q( U+ f) Z' S# u1 内容介绍
, ?& a5 H( M' x( u2 G​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。

  c( m& g( p  [1 i. \0 S+ S3 w" D+ _2 部分代码
clear, clc, close all;

data=xlsread('西班牙电价.csv');

data1=data;
% J- m6 {% F. s; {) d% N( D# w
numTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证

dataTrain = data(1:numTimeStepsTrain+1,;% 训练样本

$ B$ I* L; W* \0 W+ n9 V" jdataTest = data(numTimeStepsTrain:end,; %测试样本
  ^" g) {. p! P
%训练数据标准化处理
& n0 Q9 [  g1 M$ J
3 o4 ^- Z( Y* U6 A+ q7 Gmu = mean(dataTrain,'ALL');

sig = std(dataTrain,0,'ALL');

+ r/ n2 x" [8 ~: _) ~: ddataTrainStandardized = (dataTrain - mu) / sig;

XTrain = dataTrainStandardized(1:end-1,;% 训练输入
- i& n1 `7 p, K+ d, r0 g
YTrain = dataTrainStandardized(2:end,;% 训练输出
) r+ g6 X0 H3 m
%% define the Deeper LSTM networks

numFeatures= 1;%输入节点

: n5 _" p9 \; _* C$ T$ M, }8 JnumResponses = 1;%输出节点

, v; k: d0 Z$ z" knumHiddenUnits = 500;%隐含层神经元节点数

/ n$ F. p5 R! e0 X5 G5 bfigure(1)
" b; D1 @* Z  a( b5 C8 Z
2 B: M/ b& x) V- O- o7 E  dplot(dataTrain(1:end-1,1));hold on;

4 W7 r3 g/ p' p  l9 yidx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);

plot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');

xlabel("时间/天")
2 t; k, ]% k3 f
ylabel("电价")
' n  I# O4 J9 x, [0 b0 [& _9 h
! V: K- T6 {( g- Olegend('实际值','预测值')
$ S9 o9 l5 P$ c. W, _# r
figure(2)
+ F3 y- q1 v: H+ s% b& v
subplot(2,1,1)
9 F! ]9 \1 W* n4 R* U1 b( n
plot(YTest(1,)

hold on

' }  T* H( ?; V/ u$ ]' b9 bplot(YPred(1,,'.-')
5 u+ F! u% n6 Q
hold off

2 E0 P: B1 A; {5 b) e. Z; xlegend(["实际值" "预测值"])
1 |+ }% p0 x* e9 i
. w6 o6 b& v3 _* ?, F- H: J0 i  Ixlabel("时间/天")
8 R5 o/ }% _! s0 F" R( K8 n
ylabel("电价")

ylim([5000 20000])
# q% S! [0 [7 |- N4 v
subplot(2,1,2)
1 l& B) p, A( \1 X& X
stem(YPred(1, - YTest(1,)
8 O) R5 d" b' b3 W+ G
' Y$ E" q; f. f2 `( i% r* cxlabel("时间/天")
! ~+ U+ O- W6 n: [5 h
- U, _) G+ _# _ylabel("误差")

title("误差百分数 = " + error)
# l& j- Y! P" o! V
, K8 l0 ?9 C, N$ c3 运行结果
% u) |& e- u1 f+ a

  D$ c6 e: u, `5 u$ q0 W( u2 v

4 参考文献
" x( P$ g& U1 ?& S; n" ~: s6 {[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。
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。
原文链接：https://blog.csdn.net/matlab_dingdang/article/details/126754796