GM、BP、LSTM时间推测推测代码

GM

1. clc; clear; close all;
3. %% 数据加载和预处理
4. [file, path] = uigetfile('*.xlsx', 'Select the Excel file');
5. filename = fullfile(path, file);
6. time_series = xlsread(filename);
8. % 确保数据是一列
9. time_series = time_series(:);
11. % 归一化数据
12. min_val = min(time_series);
13. max_val = max(time_series);
14. normalized_data = (time_series - min_val) / (max_val - min_val);
16. % 训练/测试集划分
17. train_ratio = 0.8;
18. n = length(normalized_data);
19. M = floor(n * train_ratio);
20. train_data = normalized_data(1:M);
21. test_data = normalized_data(M+1:end);
23. %% 构建 GM(1,1) 模型并预测
24. % 1. 原始序列
25. X0 = train_data(:); % 确保为列向量
27. % 2. 累加生成序列（AGO）
28. X1 = cumsum(X0);
30. % 3. 构造数据矩阵并计算参数
31. B = [-0.5 * (X1(1:end-1) + X1(2:end)), ones(M-1, 1)];
32. Y = X0(2:end);
33. U = (B \ Y); % 参数 a 和 b
35. a = U(1); % 模型参数 a
36. b = U(2); % 模型参数 b
38. % 4. 预测公式
39. X1_pred = zeros(M, 1);
40. X1_pred(1) = X0(1); % 初值
41. for k = 2:M
42.     X1_pred(k) = (X0(1) - b/a) * exp(-a * (k-1)) + b/a;
43. end
45. % 还原到原始序列
46. X0_pred = [X1_pred(1); diff(X1_pred)];
48. % 对测试集进行预测
49. N = length(test_data);
50. X_test_pred = zeros(N, 1);
51. X_test_pred(1) = X0_pred(end); % 使用最后一个训练值初始化
52. for k = 2:N
53.     X_test_pred(k) = (X_test_pred(1) - b/a) * exp(-a * (M + k - 2)) + b/a;
54. end
56. %% 反归一化数据
57. T_train = train_data * (max_val - min_val) + min_val; % 真实训练集
58. T_test = test_data * (max_val - min_val) + min_val;   % 真实测试集
59. T_train_pred = X0_pred * (max_val - min_val) + min_val; % 训练预测值
60. T_test_pred = X_test_pred * (max_val - min_val) + min_val; % 测试预测值
62. %% 性能评估
63. % R² (决定系数)
64. R1 = 1 - norm(T_train - T_train_pred)^2 / norm(T_train - mean(T_train))^2;
65. R2 = 1 - norm(T_test - T_test_pred)^2 / norm(T_test - mean(T_test))^2;
67. % MAE (平均绝对误差)
68. mae1 = mean(abs(T_train - T_train_pred));
69. mae2 = mean(abs(T_test - T_test_pred));
71. % MAPE (平均相对误差)
72. mape1 = mean(abs((T_train - T_train_pred) ./ T_train));
73. mape2 = mean(abs((T_test - T_test_pred) ./ T_test));
75. % MBE (平均偏差误差)
76. mbe1 = mean(T_train - T_train_pred);  % 训练集 MBE
77. mbe2 = mean(T_test - T_test_pred);    % 测试集 MBE
79. % MSE (均方误差)
80. mse1 = mean((T_train - T_train_pred).^2);  % 训练集 MSE
81. mse2 = mean((T_test - T_test_pred).^2);    % 测试集 MSE
83. % 显示性能指标
84. disp(['训练集 R²: ', num2str(R1)]);
85. disp(['测试集 R²: ', num2str(R2)]);
86. disp(['训练集 MAE: ', num2str(mae1)]);
87. disp(['测试集 MAE: ', num2str(mae2)]);
88. disp(['训练集 MAPE: ', num2str(m

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！qidao123.com:ToB企服之家，中国第一个企服评测及软件市场,开放入驻,技术点评得现金