神经网络目标跟踪matlab,matlab – 使用神经网络在目标和模拟输出之间进行时间偏移...

我目前正在使用神经网络,我还是初学者.我的目的是使用MLP来预测流量时间序列(我知道,NARX网络可能更适合时间序列预测,但要求是MLP).

例如,我想用当前和历史流量Q(t … t-n)和降水量P(t … t-m)等预测流量Q(t x).

我的网络培训(网络的培训,验证和测试)和额外的验证期的结果显示了相对较好的质量(相关性和RMSE).但是,当我仔细观察训练和验证期的输出时,各个周期的目标存在滞后.我的问题是我不知道为什么.

滞后完全对应于我的预测期x,无论x多大.

我使用Matlab工具箱中的标准MLP和默认设置(随机分割,trainlm等),比如使用图形NN工具(但我也用我自己的代码测试了其他设置).

使用简单的Q(t)NAR-net就是同样的问题.如果我用常规数据来测试,例如用sin(t..t-n)预测sin(t x)或用矩形函数预测sin(t x)没有时移,那一切都很好.

只有当我使用真实世界数据或不规则(但最常量)的数据时,如[0.12 0.14 0.13 0.1 0.1 0.1 …(n次)0.1 … 0.1 0.1 0.14 0.15 0.12 ……]目标之间存在转换和输出.虽然我用目标Q(t x)训练网络,但实际训练输出是Q(t).我还尝试了一些其他输入变量组合,从少到多的信息.我的时间序列是7年以上,每小时分辨率.但它也会与其他决议一起出现.

在我的工作中有什么我错的或我能尝试的东西.我读过其他一些人也有这个问题,但没有解决方案？我认为这不是我的实现失败,因为我也尝试了matlab工具和窦功能,并且有相同的结果.如果我忽略了这种转变,那么值的准确性也不错(这就是为什么相关性和rmse的优点也很明显).

我用matlab 2012.

这里也是一个简约的代码示例,只有最重要的导入点.但也很好地说明了问题.

%% minimalstic example

% but there is the same problem with more input variables

load Q

%% create net inputs and targets

% start point of t

t = 100;

% history data of Q -> Q(t-1), Q(t-2), Q(t-3)

inputs = [Q(t-1:end-1,1) Q(t-2:end-2,1) Q(t-3:end-3,1)]';

% timestep t that want to be predicted

targets = Q(t:end,1)';

%% create fitting net (MLP)

% but it is the same problem for NARnet

% and from here, you can also use the NN graphical tool

% number of hidden neurons

numHiddenNeurons = 6; % the described problem is not dependent on this

% point, therefor it is freely chosen

net = fitnet(numHiddenNeurons); % same problem if choosing the old version newfit

% default MLP settings, no changes, but the problem even exist with other

% combinations of settings

% train net

[trained_net,tr] = train(net,inputs,targets);

% apply trained net with given data (create net outputs)

outputs = sim(trained_net,inputs);

figure(1)

hold on

bar(targets',0.6,'FaceColor','r','EdgeColor','none')

bar(outputs',0.2,'FaceColor','b','EdgeColor','none')

legend('observation','prediction')

% please zoom very far to see single bars!! the bar plot shows very good

% the time shift

% if you choose a bigger forecasting time, the shift will also be better to

% see

%% the result: targets(1,1)=Q(t), outputs(1,1)=Q(t-1)

%% now try the sinus function, the problem will not be there

x = 1:1:1152;

SIN = sin(x);

inputs = [SIN(1,t-1:end-1);SIN(1,t-2:end-2);SIN(1,t-3:end-3)];

targets = SIN(1,t:end);

% start again from above, creating the net

我没有足够的声誉上传两个代码结果的摘录,提前一步预测.