如何实现移动窗口训练神经网络时间序列预测?

11视图(30天)

显示旧的评论

查尔斯·巴比尔先生 2017年4月7日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/334160-how-to-implement-moving-window-training-with-neural-network-time-series-prediction

编辑: 查尔斯·巴比尔先生2017年4月8日

我有两个数据集包含每小时温度数据作为输入和目标为一年(8764步伐)。我已经尝试使用Narxnet提前多步预测。我预测温度24步骤之前。现在我试图实现移动窗口训练和我现有的模型。我将提前24小时预测但后来我和训练数据集将增加这个值来预测未来24次步骤。附图显示移动窗口的概念训练和预测。

                         % % 1。导入数据
                        
                         filename_x =“input.xlsx”;
                        
                         filename_y =“target.xlsx”;
                        
                         x = ' (xlsread (filename_x 1));
                        
                         y = ' (xlsread (filename_y 1));
                        
                         X = con2seq (X);
                        
                         T = con2seq (y);
                        
                         % % 2。数据准备
                        
                         N = 24;
                        
                         %多步向前预测
                        
                         %的输入和目标系列分为两组数据:
                        
                         % 1组:用于训练网络
                        
                         inputSeries = X (1: end-N);
                        
                         targetSeries = T (1: end-N);
                        
                         % 2组:这是用于模拟的新数据。inputSeriesVal将
                        
                         %用于预测新的目标。targetSeriesVal将用于
                        
                         %网络验证后的预测
                        
                         inputSeriesVal = X (end-N + 1:结束);
                        
                         targetSeriesVal = T (end-N + 1:结束);%这通常是不可用的
                        
                         % % 3。网络体系结构
                        
                         延迟= 1;
                        
                         neuronsHiddenLayer = 20;
                        
                         %创建网络
                        
                         网= narxnet(1:延迟,1:延迟,neuronsHiddenLayer);
                        
                         % % 4。培训网络
                        
                         [x, Xi, Ai, Ts] = preparets(网,inputSeries, {}, targetSeries);
                        
                         网=火车(净,x, Ts, Xi, Ai);
                        
                         视图(净)
                        
                         Y =净(Xs, Xi, Ai);
                        
                         %串并联的性能实现
                        
                         %领先一步预测
                        
                         穿孔=执行(净,Ts, Y);
                        
                         % % 5。多步向前预测
                        
                         [Xs1、Xio Aio] = preparets(净,inputSeries (1: end-delay) {}, targetSeries (1: end-delay));
                        
                         [Xfo日元,Afo] =净(Xs1、Xio Aio);
                        
                         [netc、Xic Aic] = closeloop(网,Xfo, Afo);
                        
                         [yPred, Xfc,亚足联]= netc (inputSeriesVal、Xic Aic);
                        
                         multiStepPerformance =执行(网,yPred, targetSeriesVal);
                        
                         视图(netc)
                        
                         图;
                        
                         情节([cell2mat (targetSeries)、南(1,N);
                        
                         南(1、长度(targetSeries))、cell2mat (yPred);
                        
                         南(1、长度(targetSeries))、cell2mat (targetSeriesVal)]”)
                        
                         传奇(“最初的目标”,“网络预测”,预期输出的)