时间序列分析 | CNN卷积神经网络时间序列预测（Matlab完整程序）

时间序列分析 | CNN卷积神经网络时间序列预测（Matlab完整程序）

预测结果

评价指标

训练集数据的R2为：0.9926
测试集数据的R2为：0.9487
训练集数据的MAE为：0.0068683
测试集数据的MAE为：0.0094725
训练集数据的MBE为：0.0027267
测试集数据的MBE为：0.0029475

模型介绍

卷积神经网络模型，简称CNNs，可以应用于时间序列预测。
有许多类型的CNN模型可以用于每一种特定类型的时间序列预测问题。尽管传统的CNNs是针对二维图像数据开发的，但CNNs可以用来模拟单变量时间序列预测问题。单变量时间序列是由具有时间顺序的单个观测序列组成的数据集，需要一个模型从过去的观测序列中学习，以预测序列中的下一个值。CNN模型将学习一个函数，该函数将一系列过去的观测值映射为一个输出观测值的输入。因此，观测序列必须转化为多个实例，模型可以从中学习。