有什么区别NARX开环+删除延迟和闭环预测N步成功吗?

5视图(30天)

显示旧的评论

Tarcisio普雷斯特Bernabe 2018年9月17日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/419410-what-s-the-difference-between-narx-open-loop-remove-delay-and-closed-loop-to-forecast-n-steps-ahea

回答: 格雷格·希斯 2018年9月23日

我想预测提前一天(N = 24步骤)的时间序列。在之前的工作中,我解决了这个问题通过使用一个开放的循环(OL) NARX removedelay功能转移输出(预测值)24个步骤。

                         % % 3。OL NARX方法
                        
                         % % 3。网络体系结构
                        
                         跳频= 24;%预测地平线
                        
                         延迟= 24;
                        
                         inputDelays = fh:跳频+延迟;
                        
                         feedbackDelays = fh:跳频+延迟;
                        
                         neuronsHiddenLayer = 10;
                        
                         %创建网络
                        
                         网= narxnet (inputDelays feedbackDelays neuronsHiddenLayer);
                        
                         网= removedelay(净、跳频);
                        
                         % % 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 (t + 24)
                        
                         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);

但是现在,通过更好的搜索功能的工具箱,我发现人们使用NARX闭环(CL)预测N步前进。或多或少像下面的代码。

                         % % CL NARX方法
                        
                         % % 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);
                        
                         % % 3。网络体系结构
                        
                         延迟= 24;
                        
                         neuronsHiddenLayer = 10;
                        
                         %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);