%% 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
%% 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')';
M = size(P_train, 2);
N = size(P_test, 2);
f_ = size(P_train, 1)
outdim = 1; % 最后一列为输出
%% 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);
%% 数据平铺
% 将数据平铺成1维数据只是一种处理方式
% 也可以平铺成2维数据,以及3维数据,需要修改对应模型结构
% 但是应该始终和输入层数据结构保持一致
p_train = double(reshape(p_train, f_, 1, 1, M));
p_test = double(reshape(p_test , f_, 1, 1, N));
t_train = double(t_train)';
t_test = double(t_test )';
disp(['搜索:'])
disp(['https://mbd.pub/o/DDR1'])
%% 数据格式转换
for i = 1 : M
Lp_train{i, 1} = p_train(:, :, 1, i);
end
for i = 1 : N
Lp_test{i, 1} = p_test( :, :, 1, i);
end
%% 建立模型
%% 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
没有合适的资源?快使用搜索试试~ 我知道了~
基于卷积神经网络-门控循环单元(CNN-GRU)的数据回归预测,多变量输入模型 要求2020及以上版本 评价指标包括:R
共4个文件
m:3个
xlsx:1个
需积分: 0 2 下载量 4 浏览量
2023-08-25
10:21:40
上传
评论
收藏 33KB ZIP 举报
温馨提示
基于卷积神经网络-门控循环单元(CNN-GRU)的数据回归预测,多变量输入模型。 要求2020及以上版本。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。
资源推荐
资源详情
资源评论
收起资源包目录
11 CNN-GRU -2.zip (4个子文件)
fical.m 359B
initialization.m 427B
main.m 2KB
data.xlsx 36KB
共 4 条
- 1
资源评论
智能算法及其模型预测
- 粉丝: 1834
- 资源: 788
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功