【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

1 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。

; Y) _4 a6 }- {/ C3 r8 g8 @2 部分代码
' T/ v% [$ S4 j6 \+ G$ e; jclear, clc, close all;
1 J$ D% x3 r9 D. B
. d! D2 Z0 p/ l) s/ Z1 u/ cdata=xlsread('西班牙电价.csv');

data1=data;

3 w5 ?8 _* B0 `numTimeStepsTrain = floor(89);%89数据训练 ，3个用来验证
! C! i, b, c4 n% d7 a4 D. Q3 V
& k+ ?* t3 j7 QdataTrain = 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

mu = mean(dataTrain,'ALL');
. Z7 ~" e. [* F2 n- {/ z# b# |
# g5 v2 o3 }6 J. e% {1 Csig = std(dataTrain,0,'ALL');
! h% R$ ^% M! L1 O' p& H
dataTrainStandardized = (dataTrain - mu) / sig;

! Y% M- g3 E4 J# eXTrain = dataTrainStandardized(1:end-1,;% 训练输入

! \6 K2 n2 a9 i2 W4 |1 N/ i1 RYTrain = dataTrainStandardized(2:end,;% 训练输出

%% define the Deeper LSTM networks
1 x* p! B4 v$ ~/ z- _' l
) ~6 @! ^: O& z. s" N5 LnumFeatures= 1;%输入节点

numResponses = 1;%输出节点
: [: h! C% \9 D( k
numHiddenUnits = 500;%隐含层神经元节点数

figure(1)
3 Y6 y2 x+ F7 e4 X* _+ r
; Z/ D$ J6 c$ cplot(dataTrain(1:end-1,1));hold on;

idx = (numTimeStepsTrain)numTimeStepsTrain+numTimeStepsTest1);
7 L/ k$ U. R! K. o' ?/ s6 @
plot(idx,[(data(numTimeStepsTrain,1))' YPred1(1,],'--d');
- _2 A. x2 j% O4 u) d' M& {1 [
) k3 v1 g3 q6 [# @4 @# V4 zxlabel("时间/天")

ylabel("电价")

4 u8 O& ]  N( m$ q) q! elegend('实际值','预测值')
# r. e0 l0 O/ q4 d
5 g6 ^7 G7 O- a6 Kfigure(2)
. ^/ D- M+ F. a: W
subplot(2,1,1)

plot(YTest(1,)

/ x* O$ _, h! xhold on

plot(YPred(1,,'.-')
- J2 Y; J# G1 C5 k2 K
( @7 c3 C  {0 X; m. Z/ ehold off

legend(["实际值" "预测值"])

: H+ p3 B7 k2 z; K* F8 \5 Yxlabel("时间/天")

* J1 t4 F9 y0 Y8 Q* |# k+ tylabel("电价")

# {) ]- M% U$ w, R. _# |7 Sylim([5000 20000])
/ F# T# U' t! G6 p: p7 \, A. {# c/ \
' g% N  Z. r9 |% h9 s- P/ s& Msubplot(2,1,2)

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

( h3 z* \3 I- ~7 C8 q% o% W; uxlabel("时间/天")

ylabel("误差")
! g# N. p4 P/ |/ M" C* Y5 P0 G
title("误差百分数 = " + error)
* H; W! q6 t# ]3 ^2 z" g* d# |
3 运行结果
0 C+ f' ^! ]% X9 z9 |' ]
: G. @3 G; v9 M' ~0 I+ O
4 j6 _0 Z7 [& F( c: n: ?# T

# d4 @3 v/ V7 X) ~. Z. ^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。
$ W3 v- c- [& _- J% C' C" Z部分理论引用网络文献，若有侵权联系博主删除。
) _6 [8 v; ?1 l. r! \: \% y5 }————————————————
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
; `5 U: D! l$ J* Z) t2 `
$ o( i$ q3 W7 p4 r' h' z- A
" ?; l( V' S+ P2 g5 r( P* m0 s- V