基于深度置信网络(DBN)时间序列预测，matlab代码。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

 

%%  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

%%  添加路径
addpath('Toolbox\')

%% 导入数据
f = xlsread('windspeed.xls','Sheet1','B2:B1001');
[x,y]=data_process(f,12);   %步长为12

m=684;        %前70%训练，对最后30%进行预测

P_train=x(1:m,:)';
T_train=y(1:m,:)';

P_test=x(m+1:end,:)';
T_test=y(m+1:end,:)';

%% 数据部分注意
% （M / batchsize = 整数）  opts.batchsize= 12;   
% 输入特征维度
%% 数据部分注意

M = size(P_train, 2);
N = size(P_test, 2);
outdim = 1;                                  % 最后一列为输出
%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

%%  转置以适应模型
p_train = p_train'; p_test = p_test';
t_train = t_train'; t_test = t_test';

%%  预训练的参数设置
opts.numepochs = 500;                   % 训练次数
opts.batchsize = 12;                    % 每次训练样本个数 需满足：（M / batchsize = 整数）
opts.momentum  = 0;                     % 学习率的动量
opts.alpha     = 0.05;                  % 学习率

智能算法及其模型预测