EMD-SSA-BILSTM基于经验模态分解和麻雀算法优化双向长短期记忆网络的时间序列预测MATLAB代码

clc;

clear;

format compact;

close all;

rng('default')

%% 读取数据

load D1000.mat

s=f(1:1000);

% 采样时间

t = 1:length(s);

%% EMD分解

imf=emd(s)';

temp_imf=sum(imf,1);

cancha=s-temp_imf;

imf=[imf; cancha];

K=size(imf,1);

figure;

grid on

plot(t,s,'b-','LineWidth', 1)

title('原始功率序列')

xlabel('时间/h')

ylabel('负荷')

figure;

grid on

for i=1:K

subplot(K,1,i)

plot(t,imf(i,:),'b-','LineWidth', 1);

grid on

if i==1;title('EMD分解');

end

if i==K;xlabel('时间/h');end

ylabel(['IMF',num2str(i)])

end

%% 分解重组VS原始图

figure

plot(s,'r-');

hold on

plot(sum(imf,1),'b--')

legend('原始信号','重构信号')

pre_result=[];

true_result=[];

%% 对每个分量建模

for i=1:K

disp(['对第',num2str(i),'个分量建模'])

[x,y]=data_process(imf(i,:),12);

%归一化

method=@mapminmax;%归一化

% method=@mapstd;%标准化

[xs,mappingx]=method(x');x=xs';

[ys,mappingy]=method(y');y=ys';

%划分数据

n=size(x,1);

m=round(n*0.7);%前70%训练，对最后30%进行预测