基于经验模态分解和主成分分析的长短期记忆网络多维时间序列预测，EMD-PCA-LSTM多维时间序列预测。MATLAB代码（含LSTM、EMD-LSTM、EMD-PCA-LSTM三个模型的对比）

 

clc;
clear;
close all;
warning off

%%  导入数据
data = xlsread('data.xlsx','sheet1','A2：H1001');
%% EMD分解
result=[];
for i=1:size(data,2)-1;
    f=data(:,i);
    [c,a,b]=emd(f);    % c为分解后IMF分量，a一个数，b为1*N的向量
    %计算每个IMF分量及最后一个剩余分量residual与原始信号的相关性
    [m,n]=size(c);%            %size()函数返回矩阵的行数和列数
    result=[result;c];
    
result1=result';

%% 特征降维
result2 = PCA(result1)
result=[result2';data(:,end)']';
%%  数据分析
num_samples = length(result);  % 样本个数
kim = 5;                      % 延时步长（前面多行历史数据作为自变量）
zim =  1;                      % 跨zim个时间点进行预测
nim = size(result, 2) - 1;     % 原始数据的特征是数目

智能算法及其模型预测