【LSTM回归预测】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

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

⛄ 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

⛄ 运行结果

⛄ 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.DOI:10.3772/j.issn.1002-0470.2021.07.004.

[2] 周杨,周林立,刘磊.基于LSTM的化肥价格指数预测[J].仪表技术, 2019(4):3.DOI:CNKI:SUN:YBJI.0.2019-04-010.

[3] 赵万祥,张远进,李晓荣.基于LSTM神经网络的缺失数据随机功率谱估计[J].武汉理工大学学报:信息与管理工程版, 2022, 44(6):6.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料