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

 

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行

disp('…………………………………………………………………………………………………………………………')
disp('KPCA降维过程')
disp('…………………………………………………………………………………………………………………………')

%%  读取数据
load emd_data.mat
p_train = emd_data';

%%  参数设置
para = 10;           % 核函数参数  调整会影响KPCA的结果
num=size(p_train,2);   % 总输入维度
%%  降维
[zes, ~, kes] = kPCA(p_train, num, 'poly', para);

%%  贡献率
Vars = kes(1: num) / sum(kes);

figure
bar(Vars)
xlabel('特征')
ylabel('信息占比')
string = {'KPCA后各特征贡献率'};
title(string)
grid

com=0;
for rem=1:length(Vars)
    com=com+Vars(rem);
    if com>0.9    % 取贡献率大于90%的成分
        break;
    end
end
 

智能算法及其模型预测