【NARX回归预测】基于NARX结合RNN实现光伏数据回归预测附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

神经网络是一种黑箱建模方法,具有很高的非线性映射能力.研究了基于神经网络的液压系统动态模型建模方法.首先建立液压系统的传递函数模型,通过该模型产生样本数据,以液压系统的输入压强,节流阀截面积及四通阀控制信号为输入,液压缸压强为输出;构建NARX神经网络,建立液压系统动态模型.经过与系统的传递函数模型的输入输出进行对比,证明采用NARX神经网络建立动态模型的方法是可行的.与RNN神经网络模型进行对比,证明NARX神经网络在建立液压系统动态模型方面更具有优越性.

⛄ 代码

trainFcn = 'trainlm';  % Levenberg-Marquardt backpropagation.​% Create a Nonlinear Autoregressive Network with External InputinputDelays = 1:5;feedbackDelays = 1:5;hiddenLayerSize = 10;net = narxnet(inputDelays,feedbackDelays,hiddenLayerSize,'open',trainFcn);​% Prepare the Data for Training and Simulation% The function PREPARETS prepares timeseries data for a particular network,% shifting time by the minimum amount to fill input states and layer% states. Using PREPARETS allows you to keep your original time series data% unchanged, while easily customizing it for networks with differing% numbers of delays, with open loop or closed loop feedback modes.[x,xi,ai,t] = preparets(net,X,{},T);​% Setup Division of Data for Training, Validation, Testingnet.divideParam.trainRatio = 70/100;net.divideParam.valRatio = 15/100;net.divideParam.testRatio = 15/100;​% Train the Network[net,tr] = train(net,x,t,xi,ai);% save('net.mat',net)% Test the Networky = net(x,xi,ai);e = gsubtract(t,y);performance = perform(net,t,y)​% View the Networkview(net)

⛄ 运行结果

⛄ 参考文献

[1]  Zhan L ,  Hayashibe M ,  Qin Z , et al. FES-Induced Muscular Torque Prediction with Evoked EMG Synthesized by NARX-Type Recurrent Neural Network[C]// IEEE/RSJ International Conference on Intelligent Robots & Systems. IEEE, 2012.

[2]  Dipietro R ,  Rupprecht C ,  Navab N , et al. Analyzing and Exploiting NARX Recurrent Neural Networks for Long-Term Dependencies[J].  2017.

[3] 許庭偉. 應用ＮＡＲＸ－ＲＮＮ學習法則模擬壓電致動器之磁滯模型.  2006.

[4] 李岩, 何周. 基于MATLAB GUI的光伏发电预测平台设计[J]. 电器与能效管理技术, 2016, 000(024):49-53.

⛳️ 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