EEMD-SSA-LSTM基于集合经验模态分解和麻雀算法优化长短期记忆网络的时间序列预测MATLAB代码(含LSTM、EEMD-LSTM、SSA-LSTM、EEMD-SSA-LSTM等4个模型的对比)

clc;
clear;
close all;
format compact ;
warning off

%% 读取数据
load D1000.mat
s=f(1:1000);
% 采样时间
t = 1:length(s);

%% EEMD分解
imf=eemd_n(s,0.2,100)';
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('EEMD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')

智能算法及其模型预测