基于长短期记忆网络(LSTM)的时间序列预测 要求2018b及以上版本，matlab代码 评价指标包括:R2、MAE、MSE

%% 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 tic % restoredefaultpath %% 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,:)'; f_=size(P_train, 1); % 输入特征维度 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); %% 划分训练集和测试集 M = size(P_train, 2); N = size(P_test, 2); 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