基于SVM支持向量机的数据预测matlab仿真

简介: - **算法效果预览**:展示了6张支持向量机(SVM)在Matlab 2022a中运行的图像,包括分类或预测结果的比较。- **软件版本**:Matlab 2022a。- **算法理论**:SVM是监督学习工具,用最大间隔超平面做分类,通过核函数处理非线性问题。- **核心程序片段**:展示了一个SVM预测模型的MATLAB代码,包括: - 绘制真实值与训练预测值的对比图。 - 计算并可视化31个城市训练数据的RMSE误差。 - 使用模拟数据对2017-2020年进行预测。 - 显示特定城市的预测结果及误差条形图。 - 保存最终的预测数据。

1.算法运行效果图预览
1.jpeg
2.jpeg
3.jpeg
4.jpeg
5.jpeg
6.jpeg

2.算法运行软件版本
matlab2022a

3.算法理论概述
支持向量机是一种监督学习方法,主要用于分类和回归分析。它基于结构风险最小化原则构建最优超平面以实现最大间隔分类,并且在处理非线性问题时通过核函数映射到高维特征空间来实现线性可分。
image.png
image.png

4.部分核心程序

figure;
plot(Year,dn{i},'k-o');
hold on
plot(Year,Predict1{i},'r-s');
grid on
xlabel('year');
ylabel('value');
legend('真实值','训练预测值');


%获得误差
for i = 1:31
    error(i) = mean(abs(dn{i}-Predict1{i}));
    RMSE(i) = sqrt(sum(abs(dn{i}-Predict1{i}).^2)/6);
end
figure;
bar(RMSE);
title('31个城市训练数据的RMSE误差值');

%使用训练模型进行预测
%输入2017年到2020的X变量作为采集数据
%从excel中没提供这个数据集,所以需要这里先用模拟的数据。这里采用拟合法,得到未来几年大概的X值
for i = 1:31%31个城市
    tmps1 = Xn{i};
    for j = 1:24
        tmps2 = tmps1(:,j);
        X     = [Year'];
        %进行拟合
        X2    = 2018;
        tmps4(:,j) = [tmps2;tmps2(end)+0.001*(X2-2016)*(tmps2(end)-tmps2(end-1))];%调节过大的幅度
    end
    Xn2{i} = tmps4;
end


%进行预测
for i = 1:31%31个城市
    [Predict2{i},error2] = svmpredict([1;1;1;1;1;1;1],Xn2{i},model{i});
end


%用北京的数据进行显示预测结果
Year2=[2011,2012,2013,2014,2015,2016,2018];

K=1;%设置不同的K,选择显示不同的城市
.......................................................
for i = 1:31
figure;
subplot(211);
plot(Year,dn{i},'bs','LineWidth',1,...
                       'MarkerSize',10);
hold on
plot(Year2,Predict2{i},'r-s','LineWidth',1,...
                       'MarkerEdgeColor','k',...
                       'MarkerFaceColor','g',...
                       'MarkerSize',4)
grid on
xlabel('year');
ylabel('value');
legend('真实值','2018预测值');
title([NAME{i},'预测值']);
subplot(212);
bar([abs(dn{i}-Predict2{i}(1:end-1));0]);
title('误差');


end

%保存数据
XX=[];
for i = 1:31
    XX=[XX,Predict2{i}(end)];
end
%注意,XX就是最后的2020年数据Y
XX
相关文章
基于IEEE 802.11a标准的物理层MATLAB仿真
基于IEEE 802.11a标准的物理层MATLAB仿真
654 0
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
基于MATLAB/Simulink平台搭建同步电机、异步电机和双馈风机仿真模型
1312 30
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
544 0
|
存储 监控 并行计算
目标跟踪中常用点迹航迹数据关联算法的MATLAB实现
通过计算测量点与预测点之间的欧氏距离,选择最近邻点进行关联,适用于单目标跟踪场景。
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
1101 0
|
算法 定位技术 计算机视觉
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
【水下图像增强】基于波长补偿与去雾的水下图像增强研究(Matlab代码实现)
1322 0
|
算法 机器人 计算机视觉
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
【图像处理】水下图像增强的颜色平衡与融合技术研究(Matlab代码实现)
448 0
|
新能源 Java Go
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
【EI复现】参与调峰的储能系统配置方案及经济性分析(Matlab代码实现)
464 0
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
614 8
|
机器学习/深度学习 编解码 算法
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
基于OFDM技术的水下声学通信多径信道图像传输研究(Matlab代码实现)
550 8

热门文章

最新文章