本文详细介绍了如何使用MATLAB实现LSTM进行时间序列的未来多步预测，包括直接多步预测、递归多步预测和多输出策略。在直接多步预测中，预测多个时间步可能导致高复杂度；递归多步预测通过多次单步预测实现；多输出策略则允许神经网络直接处理多步预测。文章提供了相关代码示例和参考资料。
时序预测 | MATLAB实现LSTM时间序列未来多步预测
基本介绍
实际工程中，未来预测是值得研究的课题之一，大部分深度模型在短期预测上表现不错，在中长期预测上往往欠佳。
本文依然借助LSTM专栏的一些基础预测，探讨未来预测的简单实现方式。
程序设计
直接多步预测
- 直接多步预测的本指还是单步预测，多步转单步，这种做法的问题是如果我们要预测N个时间步，则复杂度很高，比如预测未来10天，则意味着我们要构建10个模型；
- 另外需要注意的是，在使用这种方法的时候，我们在进行特征工程的时候要比较小心，因为我们在序列问题的特征工程过程中常常会涉及到滞后特征的引入；
- 时间窗的长度和我们处理无序的结构化问题有一些区别，长度的概念对应的是样本的数量，但是实际上在结构化数据中，对应特征的维度。
递归多步预测
-
基础数据加载和网络搭建可以参考时序预测 | MATLAB实现LSTM时间序列预测文章，以下介绍未来预测的实现方式。</
订阅专栏 解锁全文
扫一扫
374
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
