目录

一、程序及算法内容介绍:

基本内容:

亮点与优势:

二、实际运行效果:

 三、部分程序:

四、完整程序下载:

一、程序及算法内容介绍:

基本内容:

本代码基于Matlab平台编译,使用长短期记忆神经网络(LSTM),进行数据回归预测 输入训练的数据包含8个特征,1个响应值,即通过8个输入值预测1个输出值(多变量时序预测) 归一化训练数据,提升网络泛化性 自动输出多种多样的的误差评价指标,自动输出大量实验效果图片

亮点与优势:

注释详细,几乎每一关键行都有注释说明,适合小白起步学习 直接运行Main函数即可看到所有结果,使用便捷 编程习惯良好,程序主体标准化,逻辑清晰,方便阅读代码 所有数据均采用Excel格式输入,替换数据方便,适合懒人选手 出图详细、丰富、美观,可直观查看运行效果 附带详细的说明文档,其内容包括:算法原理+使用方法说明

二、实际运行效果:

 三、部分程序:

clc;

clear;

warning off;

%% 导入数据

Data = table2array(readtable("数据集.xlsx"));

% 本例数据集中包含:

% 1. 总共472个样本(每一行表示一个样本)

% 2. 每个样本8个特征值(即前8列每一列表示样本的一个特征,即输入的变量)

% 3. 每个样本1个响应值(第9列为表示样本的响应值,即被预测的变量)

%% 划分训练集和测试集

InPut_num = 1:1:8; % 输入特征个数,数据表格中前8列为输入值,因此设置为1:1:8,若前5个为输入则设置为1:1:5

OutPut_num = 9; % 输出响应个数,本例仅一个响应值,为数据表格中第9个,若多个响应值参照上行数据格式设置为x:1:y

% 选取前376个样本作为训练集,后96个样本作为测试集,即(1:376),和(377:end)

Train_InPut = Data(1:376,InPut_num); % 训练输入

Train_OutPut = Data(1:376,OutPut_num); % 训练输出

Test_InPut = Data(377:end,InPut_num); % 测试输入

Test_OutPut = Data(377:end,OutPut_num); % 测试输出

clear Temp;

%% 数据归一化

% 将数据归一化到0-1之间

Temp = [Train_OutPut;Test_OutPut];

[~, Ps] = mapminmax(Temp',0,1);

% 归一化训练输入值

Sc = size(Train_InPut);

Temp = reshape(Train_InPut,[1,Sc(1)*Sc(2)]);

Temp = mapminmax('apply',Temp,Ps);

Train_InPut = reshape(Temp,[Sc(1),Sc(2)])';

% 归一化测试输入值

Sc = size(Test_InPut);

Temp = reshape(Test_InPut,[1,Sc(1)*Sc(2)]);

Temp = mapminmax('apply',Temp,Ps);

Test_InPut = reshape(Temp,[Sc(1),Sc(2)])';

% 归一化训练输出值

Train_OutPut = mapminmax('apply',Train_OutPut',Ps);

% 归一化测试输出值

Test_OutPut = mapminmax('apply',Test_OutPut',Ps);

四、完整程序下载:

参考文章

评论可见,请评论后查看内容,谢谢!!!评论后请刷新页面。