matlab动态神经网络在时间序列预测中的应用

《matlab动态神经网络在时间序列预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、MATLAB动态神经网络在时间序列预测中的应用张云丽韩宪忠王克俭（河北农业大学信息科学与技术学院，071001，河北保定）摘要：木文在介绍了Matlab祌经网络工具箱的基础上，主要对时间序列预测工只箱的使用作了说明，并用实例仿真说明如何进行时间序列预测的调用实现，通过不断的调整参数，最后使训练的模型比较理想，满足实际的需求，表明了直接使用时间序列预测的有效性，并为Matlab祌经网络工具箱的使用提供了新的方法。关键词：Matlab；神经网络；时间序列；预测中图分类号：TP391.41文献识别码：A引言时间序列是根据时间顺序得到跟时间相关的变量或者参数的观

2、测数据[1]。对时间序列的研究主要是挖掘其中有价值的信息，找到其中变化的内在规律[2]。时间序列预测是时间序列分析研究的主要内容，是指根据现有的和历史的时间序列的数据，建立能反映时间序列中所包含的动态依存关系的数学模型[3],从而能对序列未来的趋势做出合理的预测。简单的说，时间序列预测就是用己有的数据预测下一个时间段的值。目前，时间序列预测已经广泛应用在自然界、经济、化学、科学工程等各个领域。随着Matlab版木的不断更新，祌经网络工具箱不断的完善，使得仿真的实现日益简单，R2010b后的版木对时间序列预测的实现不需要手动写代码，网络训练完毕，从Simp

3、leScript可看到网络代码，并可对代码进行编辑、改编,因此，只要调用就可应用在各个领域。木文结合时间序列预测的特点，将Matlab神经网络工只箱中的时间序列预测应用到温度预测的实例中，通过快速的仿真及不断的调整参数，从而形成较理想的数学模型，为后期进行温度的预测奠定了基础。IMatlab神经网络工具箱简介神经网络分为静态和动态两类。静态神经网络是无反馈、无记忆的，输出仅依赖于当前的输入，例如BP神经网络和RBF祌经网络。动态神经网络是冇记忆的神经网络，其输出依赖于当前和以前的输入。动态神经网络又分为奋反馈和无反馈，奋反馈指输出依赖于当前输入和前一个输

4、入输出，无反馈指输出依赖于当前和之前的输入。因此，动态祌经网络比静态祌经网络功能强，本文选择动态神经网络进行时间序列预测。Matlab神经网络工具箱提供了一系列用于模型训练的工具，包括曲线拟合工具箱、模式识别工具箱、聚类工具箱和吋间序列工具箱，利用这些工具箱可进行快速的调整参数，通过仿真得到直观的结果。另外，Matlab神经网络工具箱还提供人机交互界面，可根据提示一步一步的完成模型的训练，并对仿真的结果进行分析，直到满足要求为止。选择时间序列工具箱或者直接在命令窗U中输入ntstool，可打开吋间序列预测工具箱界面，根据数据选择符合哪种情况，根据人机交互

5、界面的提示，将数据分成训练数据、验证数据、测试数据三类,选择神经元的个数进行训练预测，最后根据PlotErrorAutocorrelation和PlotInput-ErrorCorrelation判断误差是否在规定的界限内，如果满足要求则训练结束，否则通过重新训练TrainAgain、调整参数AdjustNetworkSize或者改变输入数据ImportLargerDataSet来重新进行训练，直到训练误差满足要求为止。2仿真实例假设冇一组随吋间和加上风扇影响的温度的数据，存放time_series_data.xls中，训练步骤如下：(1)导入数据：输入

6、rawData=xlsread(’time_series_data.xls’,’sheetl’,’数据的位置’);输出y_t=rawData(:,3);输入x_t=rawData(:,2);(2)凋用时间序列预测工具箱:输入nnstart调用出神经网络总窗口，选择其中的RimeSeriesTool或直接输入ntstool命令，打开时间序列预测工具箱界面，选择其中的NARX模型；(1)设置参数：Inputs列选择x_t，Targets列选择(y_t)，Timestep列选择Matrix

7、row,将进行训练、验证和测试的数据分别设置为70%、15%和15%,NumberofHiddenNeurons列设置隐含层神经元的个数，Numberofdelaysd列设置依赖于几个吋间的输入输出。需要注意的是：三种数据的比例、神经元的个数和依赖的时间都是可以改变的，因此需根据需要不断的调整这些参数。(2)仿真训练：参数设置好之后，点击Train训练，训练完成后，通过PlotErrorAutocorrelation和PlotInput-ErrorCorrelation检查误差是否满足要求，若满足要求，则训练完成；若误差不满足要求，则进行重新训练。从上图

8、可看出，通过不断的训练后PlotErrorAutocorrelation中的误差