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。