基于卷积神经网络-双向长短期记忆网络(CNN-BILSTM)时间序列预测，MATLAB代码 评价指标包括:R2、MAE、MS

%% CNN-BILSTM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 %% 导入数据 f = xlsread('windspeed.xls','Sheet1','B2:B1001'); [x,y]=data_process(f,12); %步长为12 m=684; %前70%训练，对最后30%进行预测 P_train=x(1:m,:)'; T_train=y(1:m,:)'; P_test=x(m+1:end,:)'; T_test=y(m+1:end,:)'; %% 划分训练集和测试集 M = size(P_train, 2); N = size(P_test, 2); %% 数据归一化 method=@mapminmax; [inputn_train,inputps]=method(P_train); inputn_test=method('apply',P_test,inputps); [outputn_train,outputps]=method(T_train); outputn_test=method('apply',T_test,outputps); %% 创建元胞或向量，长度为训练集大小； XrTrain = cell(size(inputn_train,2),1); YrTrain = zeros(size(outputn_train,2),1); for i=1:size(inputn_train,2) XrTrain{i,1} = inputn_train(:,i); YrTrain(i,1) = outputn_train(:,i); end % 创建元胞或向量，长度为测试集大小； XrTest = cell(size(inputn_test,2),1); YrTest = zeros(size(outputn_test,2),1); for i=1:size(P_test,2) XrTest{i,1} = inputn_test(:,i); YrTest(i,1) = outputn_test(:,i); end %% 创建混合CNN-BILSTM网络架构 % 输入特征维度 numFeatures = size(inputn_train,1); 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