【MATLAB第4期】基于LSTM多输入多输出预测，含滑动窗口，预测未来，多步单步预测分析
一、数据说明
本文总共1400个数据 。滑动窗口为12，预测步数为100（预测1301-1400数据）. 多步预测值为3 。
训练集输入样本数据格式： 1286*12 // 1286*12 输入 1286 *3输出
即： 样本1： 1-12 个数据 → 预测 13-15
样本2：2-13 个数据 →预测 14-16
样本1286：1286-1297 个数据 →预测1298:1300
测试集输入样本格式 100*12 // 100*12 输入 100*3输出
即： 样本1： 1289-1300 个数据 → 预测 1301-1303
样本2：1290-1301 个数据 → 预测 1302-1304
样本100：1388-1399 个数据 → 预测 1400-1402
二、多步预测分析
研究多步预测分别为1 / 2 /3时对应的预测效果
（解释说明：若为1时，前12个数据预测后第13步数据；若为2时，前12个数据预测后第14步数据；若为3时，前12个数据预测后第15步数据）
单步逐步预测：YPred_1：取测试集预测结果中，100个样本中每个样本分别预测的第一个值即 (1289-1399)→1301-1400（第100次预测时，样本100：1388-1399 个数据 → 预测 1400）
双步逐步预测：YPred_2：取测试集预测结果中，100个样本中每个样本分别预测的第二个值即 (1289-1399)→1302-1401（删去预测的第1401值） +YPred_1预测的第一个值 1301（第100次预测时，样本100：1388-1399 个数据 → 预测 1401）
三步逐步预测：YPred_3：取测试集预测结果中，100个样本中每个样本分别预测的第三个值即(1289-1399)→ 1303-1402 （删去预测的第1401-1402值）+YPred_1预测的前两个值 1301-1302（第100次预测时，样本100：1388-1399 个数据 → 预测 1402）
三、预测结果分析
YPred_1预测结果
MAE = 0.0659
RMSE = 0.0813
MAPE = 0.0073
R = 0.9779
YPred_2预测结果
MAE = 0.1013
RMSE = 0.1246
MAPE = 0.0112
R = 0.9483
YPred_3预测结果
MAE = 0.1452
RMSE = 0.1770
MAPE = 0.0161
R = 0.8956
四、结论
通过以上可以看出， 单步预测效果要比多步（间隔）预测好。
五、预测未来思路（目前这部分源码还没有案例，后期会更新）
我们可以增大多步预测数值，来预测未来结果 ，如前面所说 ，多步预测参数为3，滑动窗口为12时，可以通过输入1388-1399预测1400-1402 。那么输入1389-1400就可以预测到1403数据了 。
有两种思路： 第一种思路预测结果会较差，即用未来预测结果预测未来 ，即我用1390-1401（此时1401为预测结果）预测1402-1404, 1391-1402预测1403-1404…… 这种思路缺点是会造成误差积累， 影响数据特征处理，最后会逐步趋于一条直线。
第二种思路预测结果，即调大多步预测值，一般适合数据量足够，且呈周期性变化，且数据趋势没有明显异常情况。如要预测未来20个值，除了调整滑动窗口，还可以增大多步预测值，如滑动窗口保持不变，多步预测设置为10 ，即我用1389-1400预测 1401-1420 ，一步到位。
第二种思路优点是短期预测结果会更接近现实，缺点是调参困难，如滑动窗口设置合理性， 以及无法预测超长期数据 ，比如总共1400数据，你想预测未来1000个数据，如果历史数据基本保持一个趋势还好， 但如果数据曲线比较复杂，就会导致训练样本数不够，或者说不具备代表性。
六、获取方式
【获取链接】 https://mbd.pub/o/bread/mbd-Y5uXm5tq
后续将在此链接永久更新预测未来的案例代码，以及自己调试参数的心得，拭目以待吧！
如果觉得本文对你有帮助的话，麻烦点个关注收藏，后期会出视频操作，对数据处理这块儿进行讲解。
