【MATLAB第54期】基于LSTM长短期记忆网络的多输入多输出滑动窗口回归预测模型

【MATLAB第54期】基于LSTM长短期记忆网络的多输入多输出滑动窗口回归预测模型

往期第13期已实现多输入单输出滑动窗口回归预测
本次在此代码基础上，新增多输出滑动窗口功能。
多输入单输出滑动窗口回归预测

一、实现效果

往期文章提到了对单列时间序列数据进行滑动窗口处理的思路，本文介绍如何对多输入多输出数据进行滑动窗口的思路。实现效果如下：

1.训练过程：
​

2.训练集拟合效果：

训练集输出变量1数据的RMSE为：0.087981
训练集输出变量1数据的MAPE为：-0.90458
训练集输出变量1数据的MAE为：0.066594
训练集输出变量1数据的R2为：0.21599
训练集输出变量2数据的RMSE为：0.98063
训练集输出变量2数据的MAPE为：0.034358
训练集输出变量2数据的MAE为：0.77383
训练集输出变量2数据的R2为：0.52585

​
3.测试集拟合效果：

测试集输出变量1数据的RMSE为：0.10677
测试集输出变量1数据的MAPE为：-0.88689
测试集输出变量1数据的MAE为：0.065214
测试集输出变量1数据的R2为：0.030359
测试集输出变量2数据的RMSE为：1.1881
测试集输出变量2数据的MAPE为：0.053303
测试集输出变量2数据的MAE为：0.99446
测试集输出变量2数据的R2为：0.31222

二、数据设置：

198行（代表198天），21列数据，其中前19列为变量，第20-21列为因变量。
前80%数据训练，后20%数据测试
（因变量数量可以更改）

三、滑动窗口处理：

滑动窗口尺寸为7，即可认为前7天的变量作为输入，第7天的因变量作为输出。
则输入的一组样本矩阵结构由20×1变成 20×7
而样本数量也从原来的198变为192 ，因为前6组变量数据作为了历史样本
​输入数据样本 19×198
​转变后 192×19×7
输出数据样本 2×198
​转变后 192×2

四、代码获取

后台私信回复“54期”可获得下载链接。