惠州 光电 网站上线,亚马逊网站,360全景预览wordpress插件,热血传奇手游官网时序预测 | MATLAB实现CNN-LSTM卷积长短期记忆神经网络时间序列预测#xff08;风电功率预测#xff09; 目录 时序预测 | MATLAB实现CNN-LSTM卷积长短期记忆神经网络时间序列预测#xff08;风电功率预测#xff09;预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1…时序预测 | MATLAB实现CNN-LSTM卷积长短期记忆神经网络时间序列预测风电功率预测 目录 时序预测 | MATLAB实现CNN-LSTM卷积长短期记忆神经网络时间序列预测风电功率预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.MATLAB实现CNN-LSTM卷积长短期记忆神经网络时间序列预测风电功率预测 2.运行环境为Matlab2021b 3.单个变量时间序列预测 4.data为数据集单个变量excel数据MainCNN_LSTMTS.m为主程序运行即可,所有文件放在一个文件夹 5.命令窗口输出R2、MSE、RMSE、MAE、MAPE多指标评价 程序设计
完整源码和数据获取方式私信博主回复MATLAB实现CNN-LSTM卷积长短期记忆神经网络时间序列预测风电功率预测
%% 预测
t_sim1 predict(net, p_train);
t_sim2 predict(net, p_test ); %% 数据反归一化
T_sim1 mapminmax(reverse, t_sim1, ps_output);
T_sim2 mapminmax(reverse, t_sim2, ps_output);%% 均方根误差
error1 sqrt(sum((T_sim1 - T_train).^2) ./ M);
error2 sqrt(sum((T_sim2 - T_test ).^2) ./ N);%% 相关指标计算% MAE
mae1 sum(abs(T_sim1 - T_train)) ./ M ;
mae2 sum(abs(T_sim2 - T_test )) ./ N ;disp([训练集数据的MAE为, num2str(mae1)])
disp([测试集数据的MAE为, num2str(mae2)])%% 平均绝对百分比误差MAPE
MAPE1 mean(abs((T_train - T_sim1)./T_train));
MAPE2 mean(abs((T_test - T_sim2)./T_test));disp([训练集数据的MAPE为, num2str(MAPE1)])
disp([测试集数据的MAPE为, num2str(MAPE2)])% MBE
mbe1 sum(abs(T_sim1 - T_train)) ./ M ;
mbe2 sum(abs(T_sim1 - T_train)) ./ N ;disp([训练集数据的MBE为, num2str(mbe1)])
disp([测试集数据的MBE为, num2str(mbe2)])%均方误差 MSE
mse1 sum((T_sim1 - T_train).^2)./M;
mse2 sum((T_sim2 - T_test).^2)./N;disp([训练集数据的MSE为, num2str(mse1)])
disp([测试集数据的MSE为, num2str(mse2)])
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm1001.2014.3001.5501 [2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm1001.2014.3001.5501
