Matlab怎么實現時間序列預測分類

這篇文章主要介紹“Matlab怎么實現時間序列預測分類”，在日常操作中，相信很多人在Matlab怎么實現時間序列預測分類問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Matlab怎么實現時間序列預測分類”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

目錄

• 一、數據準備

• 二、時間序列預測分類

• 1、輸入為xt，輸出是yt

• 2、有x值，有y值：NARX

• (1)選擇模型類型

• (2)選擇輸出，只有y_t

• (3)選擇70%用來作為訓練數據，15%用來作為驗證使用，15%用來測試

• (4)選擇delay

• (5)開始訓練

• (6)得到參數

• (7)將神經網絡導出代碼

• 3、無x，有y值：NAR

• 三、總結

Matlab從2010b版本以后，神經網絡工具箱已經升級為7.0，功能大大加強。在之前的版本做時間預測是比較麻煩操作的，MathWorks公司對時間序列預測做了詳細的解決，跑模型非常簡便。

下面通過一個例子演示在Matlab實現時間序列預測。

一、數據準備

極客范兒在夏天吹電扇的體溫變化

% 原始數據讀入到Matlab中
rawData=xlsread('time_series_data.xlsx','sheet1','A2:C52);
% 第一列時間，第二列風速，第三列溫度
% yt第三列
y_t=rawData(:,3);
% xt第二列
x_t=rawData(:,2);

二、時間序列預測分類

時間序列預測分為三類：

1、輸入為xt，輸出是yt

即有過去的輸入xt，也有過去的輸出yt，同時當前的輸出不僅依賴于過去的輸入，也同時依賴于過去的輸出

過去時間段溫度的變化，預測將來某個時間溫度的變化，這種情況就是只有過去的輸出

%   x_t - 時間序列輸入
%   y_t - 反饋時間序列

X = tonndata(x_t,false,false);
T = tonndata(y_t,false,false);

% 選擇訓練功能
% 'trainlm'通常是最快
% 'trainbr'耗時較長，但可能更適合解決挑戰性的問題
% 'trainscg'使用更少的內存。適用于低內存情況
trainFcn = 'trainlm';  % Levenberg-Marquardt反向傳播

% 創建一個非線性自回歸網絡
feedbackDelays = 1:6;
hiddenLayerSize = 20;
net = narnet(feedbackDelays,hiddenLayerSize,'open',trainFcn);

% 為訓練和模擬準備數據
% PREPARETS函數為特定網絡準備時間序列數據
% 移動時間的最小量，以聲明填充輸入狀態和層
% 使用PREPARETS允許保留原始的時間序列數據不變,同時輕松定制它的網絡與不同
% 具有開環或閉環反饋模式的延遲數
[x,xi,ai,t] = preparets(net,{},{},T);

% 建立訓練，驗證，測試的數據
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;

% 訓練靜態神經網絡 
[net,tr] = train(net,x,t,xi,ai);

% 測試神經網絡
y = net(x,xi,ai);
e = gsubtract(t,y);
performance = perform(net,t,y)

% 查看神經網絡
view(net)

% Plots
% Uncomment these lines to enable various plots.
%figure, plotperform(tr)
%figure, plottrainstate(tr)
%figure, ploterrhist(e)
%figure, plotregression(t,y)
%figure, plotresponse(t,y)
%figure, ploterrcorr(e)
%figure, plotinerrcorr(x,e)

% 提前預測網絡
% 利用該網絡進行多步預測
% CLOSELOOP函數將反饋輸入替換為直接輸入
% 從外部層連接
nets = removedelay(net);
nets.name = [net.name ' - Predict One Step Ahead'];
view(netc)
[xs,xis,ais,ts] = preparets(nets,X,{},T);
ys = nets(xs,xis,ais);
stepAheadPerformance = perform(nets,ts,ys)

2、有x值，有y值：NARX

只有過去的輸出

如果給環境加一個風扇，這時候有了風速，過去時間風速在改變，同時也在影響溫度的改變

Matlab現在提供時間序列預測工具箱，可以在圖形界面上進行調參選擇，使用命令ntstool打開時間序列預測工具箱

類似股票的模型，只知道早上9:30開市到11:30的股票行情，預測11:30之后的股票行情，不考慮任何的輸入

(1)選擇模型類型

(2)選擇輸出，只有y_t

(3)選擇70%用來作為訓練數據，15%用來作為驗證使用，15%用來測試

(4)選擇delay

(5)開始訓練

(6)得到參數

(7)將神經網絡導出代碼

3、無x，有y值：NAR

沒有線性的輸入輸出，很少遇到這種情況

三、總結

Matlab從2010b版本以后，使用圖形界面訓練網絡調參，生成的代碼與手敲的功能無異，Matlab時間序列預測工具箱實用而且好用。

到此，關于“Matlab怎么實現時間序列預測分類”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！