【LSTM时序预测】基于卷积神经网络结合BiLSTM实现时序数据预测附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

潮汐电站的优化运行需要进行潮位预测.针对传统调和分析方法不能有效处理潮位非线性和非平稳的特性的问题,提出一种CNN-BiLSTM的预测模型,以滑动数据窗口构造潮位数据的特征图作为输入,利用1D CNN提取潮位数据深层特征,然后采用BiLSTM网络生成特征描述,最后输出预测结果.采用芝加哥港口的潮汐数据进行了实验,所提预测模型与调和分析及LSTM模型相比,均方根误差分别降低了66.26%和30.11%.算例结果表明CNN-BiLSTM模型可以实现高精度的短期潮位预测.

⛄ 部分代码

% CNN-BiLSTM多变量多步

% 数据集 列为特征，行为样本数目

clc

clear

load Train.mat

%

Train(1,:) =[];

y = Train.demand;

x = Train{:,3:end};

[xnorm,xopt] = mapminmax(x',0,1);

[ynorm,yopt] = mapminmax(y',0,1);

x = x';

k = 24;           % 滞后长度

% 转换成4-D image

for i = 1:length(ynorm)-k

    Train_xNorm{i} = reshape(xnorm(:,i:i+k-1),6,1,1,k);

    Train_yNorm(i) = ynorm(i+k-1);

end

Train_yNorm= Train_yNorm';

⛄ 运行结果

⛄ 参考文献

[1]黄冬梅王唱胡安铎孙锦中孙园李俊峰. 基于CNN-BiLSTM的潮汐电站潮位预测[J]. 水力发电, 2021, 047(010):80-84.

[2]金啸宇. 基于LSTM神经网络的多元时间序列预测[D]. 东北大学.​

⛄ Matlab代码关注

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料