基于卷积神经网络-长短期记忆网络(CNN-LSTM)回归预测，多输入单输出模型 评价指标包括:R2、MAE、MSE、RMSE

%% CNN-LSTM多变量回归预测 %% 清空环境变量 warning off % 关闭报警信息 close all % 关闭开启的图窗 clear % 清空变量 clc % 清空命令行 % restoredefaultpath tic %% 加载数据与数据集划分 % load 1.mat % load 2.mat % load 3.mat % load 4.mat %% 导入数据 P_train = xlsread('data','training set','B2：G191')'; T_train= xlsread('data','training set','H2：H191')'; % 测试集——44个样本 P_test=xlsread('data','test set','B2:G45')'; T_test=xlsread('data','test set','H2:H45')'; %% 划分训练集和测试集 M = size(P_train, 2); N = size(P_test, 2); %% 数据归一化 [p_train, ps_input] = mapminmax(P_train, 0, 1); p_test = mapminmax('apply', P_test, ps_input); [t_train, ps_output] = mapminmax(T_train, 0, 1); t_test = mapminmax('apply', T_test, ps_output); %% 创建元胞或向量，长度为训练集大小； XrTrain = cell(size(p_train,2),1); YrTrain = zeros(size(t_train,2),1); for i=1:size(p_train,2) XrTrain{i,1} = p_train(:,i); YrTrain(i,1) = t_train(:,i); end % 创建元胞或向量，长度为测试集大小； XrTest = cell(size(p_test,2),1); YrTest = zeros(size(t_test ,2),1); for i=1:size(p_test,2) XrTest{i,1} = p_test(:,i); YrTest(i,1) = t_test (:,i); end disp(['搜索：']) disp(['https://mbd.pub/o/DDR1']) %% 打印出评价指标 %% disp(['-----------------------误差计算--------------------------']) %% disp(['评价结果如下所示：']) %% disp(['平均绝对误差MAE为：',num2str(MAE2)]) %% disp(['均方误差MSE为： ',num2str(mse2)]) %% disp(['均方根误差RMSEP为： ',num2str(error2)]) %% disp(['决定系数R^2为： ',num2str(R2)]) %% disp(['剩余预测残差RPD为： ',num2str(RPD2)]) %% disp(['平均绝对百分比误差MAPE为： ',num2str(MAPE2)]) %% grid