Question

我有一个我分成的数据集：

培训：预测变量X_TR（14个变量中的1028个记录）和Y_TR（1028记录单个变量）
申请：X_APP（115 x 14），Y_APP（115x1），

其中每条记录都是时间步t。

我的目标是构建一个NN模型，该模型使用最多t的历史信息预测Y（t + 1），即 Y（T + 1）= f（X（t），X（t- 1），...，Y（0），X（T），X（T-1），...，Y（0））即可。请注意，考虑iformation不超过10个时间步是合理的。根据mathworks.com/help/nnet/gs/neural-network-time-series-prediction-and-modeling.html，我使用X_T和Y_T训练了一个NN。

% Cell arrays inputs for NN
X = tonndata(X_TR,false,false);
T = tonndata(Y_TR,false,false); %output volumes

% training function
trainFcn = 'trainlm';  % Levenberg-Marquardt

% Create NARX
% network parameters
lags = 10;
inputDelays = 1:lags;
feedbackDelays = 1:lags;
hiddenLayerSize = 40;
% construct  NARX net
net = narxnet(inputDelays,feedbackDelays,hiddenLayerSize,'open',trainFcn);

%prepare time series
[x,xi,ai,t] = preparets(net,X,{},T);

% Training, Validation, Testing
net.divideParam.trainRatio = 60/100;
net.divideParam.valRatio = 20/100;
net.divideParam.testRatio = 20/100;

% Train the Network
[net,tr] = train(net,x,t,xi,ai);

我不知道如何应用训练有素的模型。假设培训成功，我想将模型应用于数据X_APP和Y_APP的另一部分，以便预测Y_APP（t + 1）。我怎么能这样做？

谢谢。

Answer 1

您可以按照以下说明使用经过培训的网络：

% define your new input
X = tonndata(X_APP, false, false);
T = tonndata(Y_APP, false, false);

% prepare new data for usage with your net
[x,xi,ai,t] = preparets(net,X,{},T);

% generate output
y = network(x,xi,ai);

您还可以随时保存您的网并将其加载回matlab：

 goodworkingnet = net;
 save goodworkingnet

用Matlab中的神经网络预测时间序列Y（t + 1）

1 个答案: