時序預(yù)測 | MATLAB實現(xiàn)基于CNN-LSTM-AdaBoost卷積長短期記憶網(wǎng)絡(luò)結(jié)合AdaBoost時間序列預(yù)測

預(yù)測效果

基本介紹

1.MATLAB實現(xiàn)基于CNN-LSTM-AdaBoost卷積長短期記憶網(wǎng)絡(luò)結(jié)合AdaBoost時間序列預(yù)測（風(fēng)電功率預(yù)測）；
2.運行環(huán)境為Matlab2021b；
3.data為數(shù)據(jù)集，excel數(shù)據(jù)，單變量時間序列數(shù)據(jù)，main.m為主程序，運行即可,所有文件放在一個文件夾；
4.命令窗口輸出R2、MAE、MAPE、MSE、RMSE、RPD多指標(biāo)評價；

模型描述

CNN-LSTM-AdaBoost是一種將CNN-LSTM和AdaBoost兩種機器學(xué)習(xí)技術(shù)結(jié)合起來使用的方法，旨在提高模型的性能和魯棒性。具體而言，AdaBoost則是一種集成學(xué)習(xí)方法，它將多個弱學(xué)習(xí)器組合起來形成一個強學(xué)習(xí)器，其中每個學(xué)習(xí)器都是針對不同數(shù)據(jù)集和特征表示訓(xùn)練的。CNN-LSTM-AdaBoost算法的基本思想是將CNN-LSTM作為基模型，利用AdaBoost算法對其進行增強。具體而言，我們可以訓(xùn)練多個CNN-LSTM模型，每個模型使用不同的數(shù)據(jù)集和特征表示，然后將它們的預(yù)測結(jié)果組合起來，形成一個更準(zhǔn)確和魯棒的模型。

程序設(shè)計

• 完整源碼和數(shù)據(jù)獲取方式資源出下載MATLAB實現(xiàn)基于CNN-LSTM-AdaBoost卷積長短期記憶網(wǎng)絡(luò)結(jié)合AdaBoost時間序列預(yù)測 。

% 訓(xùn)練集和測試集劃分
outdim = 1;                                  % 最后一列為輸出
num_size = 0.7;                              % 訓(xùn)練集占數(shù)據(jù)集比例
num_train_s = round(num_size * num_samples); % 訓(xùn)練集樣本個數(shù)
f_ = size(res, 2) - outdim;                  % 輸入特征維度P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
N = size(P_test, 2);%  數(shù)據(jù)歸一化
[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);
options0 = trainingOptions('adam', ...                 % 優(yōu)化算法Adam'MaxEpochs', 100, ...                            % 最大訓(xùn)練次數(shù)'GradientThreshold', 1, ...                       % 梯度閾值'InitialLearnRate', 0.01, ...         % 初始學(xué)習(xí)率'LearnRateSchedule', 'piecewise', ...             % 學(xué)習(xí)率調(diào)整'LearnRateDropPeriod',70, ...                   % 訓(xùn)練100次后開始調(diào)整學(xué)習(xí)率'LearnRateDropFactor',0.01, ...                    % 學(xué)習(xí)率調(diào)整因子'L2Regularization', 0.001, ...         % 正則化參數(shù)'ExecutionEnvironment', 'cpu',...                 % 訓(xùn)練環(huán)境'Verbose', 1, ...                                 % 關(guān)閉優(yōu)化過程'Plots', 'none');                    % 畫出曲線

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm=1001.2014.3001.5501