時(shí)序預(yù)測 | MATLAB實(shí)現(xiàn)ICEEMDAN-IMPA-BiLSTM時(shí)間序列預(yù)測

預(yù)測效果

基本介紹

ICEEMDAN-IMPA-BiLSTM功率/風(fēng)速預(yù)測 基于改進(jìn)的自適應(yīng)經(jīng)驗(yàn)?zāi)B(tài)分解+改進(jìn)海洋捕食者算法+雙向長短期記憶網(wǎng)絡(luò)時(shí)間序列預(yù)測～組合預(yù)測
1.分解時(shí)避免了傳統(tǒng)經(jīng)驗(yàn)?zāi)B(tài)分解的一些固有缺陷，效果更佳，并通過改進(jìn)的海洋捕食者算法對BiLSTM四個(gè)參數(shù)進(jìn)行尋優(yōu)，最后對每個(gè)分量建立BiLSTM模型進(jìn)行預(yù)測后疊加集成，全新組合預(yù)測，出圖多且精美～
2.改進(jìn)點(diǎn)如下：
通過一個(gè)新的自適應(yīng)參數(shù)來控制捕食者移動(dòng)的步長，并使用非線性參數(shù)作為控制參數(shù)來平衡NMPA的探索和開發(fā)階段，有效提高其搜索精度與收斂速度。
直接替換excel數(shù)據(jù)即可用 適合新手小白
附贈(zèng)案例數(shù)據(jù) 可直接運(yùn)行

程序設(shè)計(jì)

• 完整程序和數(shù)據(jù)下載方式私信博主回復(fù)：MATLAB實(shí)現(xiàn)ICEEMDAN-IMPA-BiLSTM時(shí)間序列預(yù)測。

function [modes,its]=iceemdan(x,Nstd,NR,MaxIter,SNRFlag)
x=x(:)';
desvio_x=std(x);
x=x/desvio_x;

modes=zeros(size(x));
temp=zeros(size(x));
aux=zeros(size(x));
iter=zeros(NR,round(log2(length(x))+5));

for i=1:NR
    white_noise{i}=randn(size(x));%creates the noise realizations
end;

for i=1:NR
    modes_white_noise{i}=emd(white_noise{i});%calculates the modes of white gaussian noise
end;

for i=1:NR %calculates the first mode
    xi=x+Nstd*modes_white_noise{i}(1,:)/std(modes_white_noise{i}(1,:));
    [temp, o, it]=emd(xi,'MAXMODES',1,'MAXITERATIONS',MaxIter);
    temp=temp(1,:);
    aux=aux+(xi-temp)/NR;
    iter(i,1)=it;
end;

modes= x-aux; %saves the first mode
medias = aux;
k=1;
aux=zeros(size(x));
es_imf = min(size(emd(medias(end,:),'MAXMODES',1,'MAXITERATIONS',MaxIter)));

while es_imf>1 %calculates the rest of the modes
    for i=1:NR
        tamanio=size(modes_white_noise{i});
        if tamanio(1)>=k+1
            noise=modes_white_noise{i}(k+1,:);
            if SNRFlag == 2
                noise=noise/std(noise); %adjust the std of the noise
            end;
            noise=Nstd*noise;
            try
                [temp,o,it]=emd(medias(end,:)+std(medias(end,:))*noise,'MAXMODES',1,'MAXITERATIONS',MaxIter);
            catch    
                it=0; disp('catch 1 '); disp(num2str(k))
                temp=emd(medias(end,:)+std(medias(end,:))*noise,'MAXMODES',1,'MAXITERATIONS',MaxIter);
            end;
            temp=temp(end,:);
        else
            try
                [temp, o, it]=emd(medias(end,:),'MAXMODES',1,'MAXITERATIONS',MaxIter);
            catch
                temp=emd(medias(end,:),'MAXMODES',1,'MAXITERATIONS',MaxIter);
                it=0; disp('catch 2 sin ruido')
            end;
            temp=temp(end,:);
        end;
        aux=aux+temp/NR;
    iter(i,k+1)=it;    
    end;
    modes=[modes;medias(end,:)-aux];
    medias = [medias;aux];
    aux=zeros(size(x));
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

參考資料

[1] https://blog.csdn.net/article/details/126072792?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/article/details/126044265?spm=1001.2014.3001.5502文章來源地址http://www.zghlxwxcb.cn/news/detail-704958.html

到了這里，關(guān)于時(shí)序預(yù)測 | MATLAB實(shí)現(xiàn)ICEEMDAN-iMPA-BiLSTM時(shí)間序列預(yù)測的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！