NARX神经网络预测？

Question

我正在尝试使用Matlab提供的NARX神经网络解决方案来解决时间序列问题。我试图了解如何预测实际值，但我得到的结果几乎是完美的！错误是如此之小，以至于我不确定我是否真的在预测。我只是想确保我做的一切正确！

基本上我使用GUI解决方案训练网络中的一些样本。然后我使用以下脚本用新样本测试神经网络：

      X = num2cell(open2(1:end))'; % input
      T = num2cell(close2(1:end))'; % this is the output I should get

      net = removedelay(net);
      [Xs,Xi,Ai,Ts] = preparets(net,X,{},T);

      Y = net(Xs,Xi,Ai);

      plotresponse(Ts,Y)
      view(net)

      Y = cell2mat(Y);
      T = cell2mat(T);

      sizey = length(Y);
      sizet = length(T);

      T = T(1:sizey);

      figure
      plot(1:sizey,T,1:sizey,Y)

我得到的图表几乎与原始目标时间序列函数相同。误差非常小，唯一的区别是图形（Y）向左移动2个样本。但是，我真的在预测吗？

以下是图表的一部分：

提前致谢！

更新：实际预测图向右移动而不是向左移动。由准备功能（蓝色）提供的目标发生在之前！所以它并没有表明它实际上在预测。

Answer 1

右移

您的图表显示1（不是2！）时间步长的时移。这并不理想，但是当严重选择导致这种延迟模式的延迟时会发生这种情况。 （有关进一步的解释，请参阅MATLAB CENTRAL上的this question。实际上，Greg Heath在人工神经网络上发布了很多的材料，非常值得一读，尽管它有时候有点短暂。立即理解，特别是初学者。）因此，为了避免这种情况，你必须研究数据的相关模式。

Removedelay（）

现在，我假设你想通过删除网络的延迟来纠正这种行为。不幸的是，这是不 removedelay()的含义：

This example使用timedelaynet，但也可以用于NAR和NARX网络，我发现这些描述非常有用。结合removedelay's documentation

的引用

  

结果是一个行为相同的网络，但输出是在n个步骤后生成的。

很明显，您不是在改变网络，而是只改变y值的时间依赖性，因此您的网络将尝试提前一步预测。您可以在T和Y向量的最后看到此行为，其中Y将具有附加值，而T使用NaN填充此空间（因为您显然无法生成更多目标）蓝色）。

removedelay()应该与闭环设计结合使用，以便您可以尽早获得预测值，以便将它们用作下一步的直接输入。在这种情况下，将输出延迟增加不止一个也是有意义的，这就是为什么你可以传递一个额外的参数n：

net = removedelay(net,n);

为了证明未使用额外的时间步长，您可以使用经过训练的网络模拟所需的数据集，然后使用removedelay()模拟相同的数据集。它们将是相同的，除了Y曲线的最后一个值（见图1）。

图。 1：两个图均基于使用MATLAB热交换器示例的前3500个数据点训练的相同网络。显示了在训练过程中未使用的集合中最后500个值的模拟结果。结果是相同的，除了左侧使用removedelay()的附加值。

错误

如果您使用的是代表性训练集，则错误必须非常小。因此，对类似的新数据的预测将是好的，因为您的网络没有过度装配。

结论

那么，你预测？不，你在模拟。模拟网络的行为是基于先前未知数据集的输入，而不是目标（只需传递它们以进行性能评估）。因此，在有或没有removedelay()的情况下将新数据传递到您的网络都是模拟，因为它基于提供的输入。消除延迟对这些结果没有影响 另一方面，预测不需要输入数据，因为它实际上只是延续了网络到目前为止所学到的模式，而没有考虑新的输入。

建议

如果您只想拥有一个未知数据集，并将有效输入值传递到您的网络进行模拟，那么您也可以使用{{{测试集将其作为测试集的一部分传递出来1}}或divideblock选项。

如果您想通过divideint进行早期预测或者一般需要预测，因为您的输入有漏洞或由于其他原因而不可靠，您应该考虑使用闭环模拟未知集合。如果它的表现太糟糕，你也可以从一开始就训练一个闭环网络。