| 時間 | 風速 | 溫度 |
|---|---|---|
| 0 | 1 | 37.21405 |
| 0.12457 | 1.01 | 37.26016 |
| 0.24915 | 1.02 | 37.26324 |
| 0.37373 | 1.03 | 37.31242 |
| 0.4983 | 1.04 | 37.3155 |
| 0.62258 | 1.05 | 37.36468 |
| 0.74745 | 1.06 | 37.36776 |
| 0.87203 | 1.07 | 37.41694 |
| 0.99661 | 1.08 | 37.42002 |
| … | … | … |
% 原始數據讀入到Matlab中
rawData=xlsread('time_series_data.xlsx','sheet1','A2:C52);
% 第一列時間，第二列風速，第三列溫度
% yt第三列
y_t=rawData(:,3);
% xt第二列
x_t=rawData(:,2);
時間序列預測分為三類：
即有過去的輸入xt，也有過去的輸出yt，同時當前的輸出不僅依賴于過去的輸入，也同時依賴于過去的輸出
過去時間段溫度的變化，預測將來某個時間溫度的變化，這種情況就是只有過去的輸出
% x_t - 時間序列輸入
% y_t - 反饋時間序列
X = tonndata(x_t,false,false);
T = tonndata(y_t,false,false);
% 選擇訓練功能
% 'trainlm'通常是最快
% 'trainbr'耗時較長，但可能更適合解決挑戰性的問題
% 'trainscg'使用更少的內存。適用于低內存情況
trainFcn = 'trainlm'; % Levenberg-Marquardt反向傳播
% 創建一個非線性自回歸網絡
feedbackDelays = 1:6;
hiddenLayerSize = 20;
net = narnet(feedbackDelays,hiddenLayerSize,'open',trainFcn);
% 為訓練和模擬準備數據
% PREPARETS函數為特定網絡準備時間序列數據
% 移動時間的最小量，以聲明填充輸入狀態和層
% 使用PREPARETS允許保留原始的時間序列數據不變,同時輕松定制它的網絡與不同
% 具有開環或閉環反饋模式的延遲數
[x,xi,ai,t] = preparets(net,{},{},T);
% 建立訓練，驗證，測試的數據
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
% 訓練靜態神經網絡
[net,tr] = train(net,x,t,xi,ai);
% 測試神經網絡
y = net(x,xi,ai);
e = gsubtract(t,y);
performance = perform(net,t,y)
% 查看神經網絡
view(net)
% Plots
% Uncomment these lines to enable various plots.
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotresponse(t,y)
%figure, ploterrcorr(e)
%figure, plotinerrcorr(x,e)
% 提前預測網絡
% 利用該網絡進行多步預測
% CLOSELOOP函數將反饋輸入替換為直接輸入
% 從外部層連接
nets = removedelay(net);
nets.name = [net.name ' - Predict One Step Ahead'];
view(netc)
[xs,xis,ais,ts] = preparets(nets,X,{},T);
ys = nets(xs,xis,ais);
stepAheadPerformance = perform(nets,ts,ys)
只有過去的輸出
如果給環境加一個風扇，這時候有了風速，過去時間風速在改變，同時也在影響溫度的改變
Matlab現在提供時間序列預測工具箱，可以在圖形界面上進行調參選擇，使用命令ntstool打開時間序列預測工具箱
類似股票的模型，只知道早上9:30開市到11:30的股票行情，預測11:30之后的股票行情，不考慮任何的輸入
沒有線性的輸入輸出，很少遇到這種情況
Matlab從2010b版本以后，使用圖形界面訓練網絡調參，生成的代碼與手敲的功能無異，Matlab時間序列預測工具箱實用而且好用。
到此這篇關于Matlab實現時間序列預測分類的文章就介紹到這了,更多相關Matlab時間序列預測內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
