成都网站建设设计

将想法与焦点和您一起共享

神经网络时间序列工具ntstool怎么用

这篇文章将为大家详细讲解有关神经网络时间序列工具ntstool怎么用,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。

创新互联建站长期为上1000+客户提供的网站建设服务,团队从业经验10年,关注不同地域、不同群体,并针对不同对象提供差异化的产品和服务;打造开放共赢平台,与合作伙伴共同营造健康的互联网生态环境。为比如企业提供专业的成都网站制作、成都网站设计,比如网站改版等技术服务。拥有10余年丰富建站经验和众多成功案例,为您定制开发。

自然界中的数据往往都会随着时间的推移发生变化。时间序列就是对一组统计数据按发生时间的先后顺序排列而成的序列。时间序列中数据的取值依赖于时间的变化,邻近时刻的数值分布存在一定的规律性,从而在整体上呈现某种趋势或周期性变化的规律,因此可以由已知数据预测未知数据。但每个数据点的取值又伴有随机性,无法完全由历史数据推演得到。
时间序列分析可以借助于许多数学工具。如滑动平局模型,二次滑动平均模型等。在人工智能领域,各种智能算法也可以应用于时间序列分析中。预测可以被视为一种动态滤波问题,在神经网络中,可以用带抽头延迟线的动态神径网络来处理非线性滤波和预测问题。 

MATLAB神经网络工具箱为用户提供了时间序列工具ntstooL它可以解决三类时间序列问题:有外部输入的非线性自回归;无外部输入的非线性自回归;时间延迟问题。

在命令行输入ntstool打开神经网络时间序列工具

神经网络时间序列工具ntstool怎么用  

选择NonLinear Autoregressive with External (Exogenous) Input 点击Next按钮,进入select Data步骤

神经网络时间序列工具ntstool怎么用  

单力Load Example Data set按钮,弹出
Time SeriesDataSet Chooser对话框,在左侧的列表中选择最后-·项Fluid Flow in Pipe, 单
击Impod按钮导入

神经网络时间序列工具ntstool怎么用  


单击Next按钮,进入validation and Test Data步骤。与神经网络拟合工具类似,这里需要对数据集划分训练样,、验证样本和测试样本。这里采用默认设置即可。 

神经网络时间序列工具ntstool怎么用  

 
(4) 单击Next按钮,进入Network Architecture步骤。这一步需要指定的是隐含层神经元的个数和延迟,默认值分别为10和2。 延迟表示当前输出与之前的多少个数据有关

神经网络时间序列工具ntstool怎么用  

单击Next按钮,进入Train Network步骤

神经网络时间序列工具ntstool怎么用  

单击Train按钮,系统就开始训练,默认迭代次数为1000次

神经网络时间序列工具ntstool怎么用  

对话框中显示训练样本、验证样本和测试样本的均方误差与相关性R。相关性介于0〜1之间,指目标输出和实际输出之间的吻合度,取1表示完全吻合,取0表示不吻合。 

 
训练完成后,对话框右侧的4个按钮变为激活状态。plot Error Histogram按钮用于显示误差直方图

神经网络时间序列工具ntstool怎么用  

黄色竖线表示零误差,从图中可以看到,误差值集中分布在零值附近,且误差较大。

Plot Response 按钮则显示训练数裾、验证数据和测试数据的走势

神经网络时间序列工具ntstool怎么用  

Plot Error Autocorrelation按钮用于显示误差自相关

神经网络时间序列工具ntstool怎么用  

误差自相关图中,两条水平红色虚线表示置信区间,误差值如果分布在区间内,表示可以接受。多条误差线超过了该区间,表明训练结果并不理想。

单击Next按钮,进入Evaluate Network步骤,由于使用的是MATLAB自带的数据,因此没有恰当的测试数据,这一步略过

神经网络时间序列工具ntstool怎么用  


单击Next按钮,进入 save Results 步骤。与拟合工具类似,在这一步可以保存网络和变量,或者将网络导出为脚本文件或simuLink模型

神经网络时间序列工具ntstool怎么用    

单击Finish按钮,完成时间序列的預测过程

神经网络时间序列工具ntstool怎么用   

关于神经网络时间序列工具ntstool怎么用就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。


名称栏目:神经网络时间序列工具ntstool怎么用
网址分享:http://chengdu.cdxwcx.cn/article/gshcpd.html