R语言神经网络模型预测多元时间序列数据可视化

全文链接:http://tecdat.cn/?p=32198

原文出处:拓端数据部落公众号

多元时间序列建模一直是吸引了来自经济,金融和交通等各个领域的研究人员的主题。多元时间序列预测的一个基本假设是,其变量相互依赖。

在本文中,我们使用了专门针对客户的多元时间序列数据设计的神经网络框架,拟合单隐层神经网络,可能存在跳跃层连接。

查看数据

image.png

其中Y为因变量,时间、Y1、Y2为自变量。

读取数据

data=read.xlsx("my data.xlsx")  
  
head(data)

image.png

建立神经网络模型

建立单隐藏层神经网络,size参数可以确定隐藏层的节点数量,maxit控制迭代次数。

require(nnet)

## Loading required package: nnet

 #设置因变量  
  y=data$Y  
#  y<-data.frame((y-min(y))/(max(y)-min(y)))  
 names(y)<-'y'

image.png

绘制拟合数据

image.png

预测未来的20年数据


foreY1=0  
   
   foreY1=predict(mod2,data.frame(T=foreyear)  )

预测新变量


datanew= data.frame(T=foreyear,Y1=foreY1,Y2=foreY2)

image.png

绘制未来20年的时间序列

pre=ts(pre,start = c(2015),f=1)
 
###############################绘制未来20年的时间序列
plot(pre, axes = F,col=2,type="l")
axis(side = 1 ,col=10)

image.png


cybersecurity-for-the-iot-how-trust-can-unlock-value-1286977505-thumb-1536x1536.webp
最受欢迎的见解

1.在python中使用lstm和pytorch进行时间序列预测

2.python中利用长短期记忆模型lstm进行时间序列预测分析

3.Python用RNN循环神经网络:LSTM长期记忆、GRU门循环单元、回归和ARIMA对COVID-19新冠疫情新增人数时间序列

4.Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性

5.r语言copulas和金融时间序列案例

6.R 语言用RNN循环神经网络 、LSTM长短期记忆网络实现时间序列长期利率预测

7.Matlab创建向量自回归(VAR)模型分析消费者价格指数 (CPI) 和失业率时间序列

8.r语言k-shape时间序列聚类方法对股票价格时间序列聚类

9.R语言结合新冠疫情COVID-19股票价格预测:ARIMA,KNN和神经网络时间序列分析

你可能感兴趣的:(数据挖掘深度学习机器学习算法)