基于双向长短期记忆网络(BiLSTM)的时间序列预测 要求2019及以上版本，matlab代码 评价指标包括:R2、MAE、

%% 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 n=size(x,1); m=round(n*0.7); %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,:)'; M = size(P_train,2); N = size(T_test,2); outdim=1; %输出的维度 %% 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); %% 格式转换 for i = 1 : M vp_train{i, 1} = p_train(:, i); vt_train{i, 1} = t_train(:, i); end for i = 1 : N vp_test{i, 1} = p_test(:, i); vt_test{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