【 NARX NN回归预测】基于NARX NN实现数据自回归多变量预测附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        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

在深基坑施工中,深基坑支护结构往往会产生一系列的变形问题,例如:支护结构的位移、周围地表的沉降、坑底的隆起等。现如今,建设工程已经进入信息化施工时代,而在基坑工程施工中,对基坑进行监测是保障信息化施工顺利进行的重要环节。利用监测得到的实时数据对基坑变形趋势进行预测,以此为基坑安全施工提供技术保障和数据支撑。从实际工程施工中可以发现,施工因素对基坑变形的影响较大,如何找出影响基坑变形的施工因素,并利用结合了施工因素影响的实时监测数据对基坑未来的变形趋势进行预测,是具有重要的现实意义的。本文以宜宾市南溪区棚户区建设项目的基坑监测数据和资料为依托,研究带外部输入的非线性自回归神经网络NARXNN模型在基坑位移分析和预测领域的适用性

⛄ 部分代码

function [x1,x2,x3,x4]  = generatesin(End)

rng(0);

t=0:1:End;

% Tweak the constants to changes the range of Amplitude, Freq. and Bias

bo=(rand()*2-1);

freq=rand()*3+t/2;

amp=rand(1,1)+0;

x1=amp.*sin(2.*pi.*freq.*t)+bo;

amp=(2-1).*rand(1,End+1)+1;

x2=amp.*sin(2.*pi.*freq.*t)+bo;

amp=(2-1).*rand(1,1)+1;

x3=amp.*sin(2.*pi.*freq.*t)+bo;

amp=rand(1,1);

freq=rand()*1+t;bo=0;

x4=amp.*sin(2.*pi.*freq.*t)+bo;

end

⛄ 运行结果

⛄ 参考文献

[1] 彭程. 基于NARXNN模型的某深基坑变形预测研究[D]. 成都理工大学.

[2] 文明, 张顶立, 房倩,等. 地铁车站施工过程中地表沉降的NARXNN时间序列预测模型[J]. 岩石力学与工程学报, 2015(S1):3306-3312.

[3] 闫中月, 徐静, 华健. 基于NARXNN模型的降雨—水位关系研究[J]. 南京大学学报：自然科学版, 2016, 52(1):9.

[4] 党选举, 马樑海, 原翰玫,等. 基于NARXNN-CNN混合迟滞模型的机器人关节补偿控制方法:.

[5] 李挺, 雷霞, 张学虹,等. 基于NARX神经网络预测及模糊控制的互联电网CPS鲁棒控制策略研究[J]. 电力系统保护与控制, 2012, 40(14):6.

⛳️ 完整代码

❤️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