【预测模型】基于RNN-LSTM卷积神经网络实现数据预测Matlab代码_rnn算法代码matlab样例

1 简介

针对高炉炼铁是一个动态过程,具有大延迟,工况复杂的特性.采用LSTM-RNN模型进行硅含量预测,充分发挥了其处理时间序列时挖掘前后关联信息的优势.首先根据时间序列趋势及相关系数选择自变量,并采用复杂工况的实际生产数据进行验证.然后用程序自动求解最优参数进行硅含量预测.最后将LSTM-RNN模型与PLS模型及RNN模型的结果进行对比,验证该方法的优势.研究发现LSTM-RNN模型预测误差稳定,预测精度较高,比传统的统计学及神经网络方法取得了更好的预测精度.

2 部分代码

%%% LSTM网络结合实例仿真

%% 程序说明
% 1、数据为7天，四个时间点的空调功耗，用前三个推测第四个训练，依次类推。第七天作为检验
% 2、LSTM网络输入结点为12，输出结点为4个，隐藏结点18个

clear all;
clc;
%% 数据加载，并归一化处理
[train_data,test_data]=LSTM_data_process();
data_length=size(train_data,1);
data_num=size(train_data,2);
%% 网络参数初始化
% 结点数设置
input_num&