【LSTM预测】基于RNN-LSTM卷积神经网络实现空调功耗数据回归预测附Matlab代码

1 简介

​

编辑

​

编辑

​

编辑

2 部分代码

function [train_data,test_data]=LSTM_data_process()
%% 数据加载并完成初始归一化
train_data_initial= [0.4413 0.4707 0.6953 0.8133 0.4379 0.4677 0.6981 0.8002 0.4517 0.4725 0.7006 0.8201;
0.4379 0.4677 0.6981 0.8002 0.4517 0.4725 0.7006 0.8201 0.4557 0.4790 0.7019 0.8211;
0.4517 0.4725 0.7006 0.8201 0.4557 0.4790 0.7019 0.8211 0.4601 0.4911 0.7101 0.8298]';
% train_data_initial=[ 0.4413 0.4707 0.6953 0.8133;
% 0.4379 0.4677 0.6981 0.8002;
% 0.4517 0.4725 0.7006 0.8201;
% 0.4557 0.4790 0.7019 0.8211;
% 0.4601 0.4811 0.7101 0.8298;
% 0.4612 0.4845 0.7188 0.8312]';
test_data_initial=[0.4557 0.4790 0.7019 0.8211;
0.4612 0.4845 0.7188 0.8312;
0.4601 0.4811 0.7101 0.8298;
0.4615 0.4891 0.7201 0.8330]';
data_length=size(train_data_initial,1); %每个样本的长度
data_num=size(train_data_initial,2); %样本数目
%%归一化过程
for n=1:data_num
train_data(:,n)=train_data_initial(:,n)/sqrt(sum(train_data_initial(:,n).^2));
end
for m=1:size(test_data_initial,2)
test_data(:,m)=test_data_initial(:,m)/sqrt(sum(test_data_initial(:,m).^2));
end

3 仿真结果

正在上传…重新上传取消

​

编辑

4 参考文献

[1]施海昕, 诸建超, 严骏驰,等. 基于卷积神经网络和LSTM循环神经网络的客户复购预测方法[J]. 高技术通讯, 2021, 31(7):10.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

​

编辑