1 简介

基于自编LSTM神经网络实现空调能耗数据预测。

2 部分代码

%% 程序说明%  1、数据为7天，四个时间点的空调功耗，用前三个推测第四个训练，依次类推。第七天作为检验%  2、LSTM网络输入结点为12，输出结点为4个，隐藏结点18个clear all;clc;%% 数据加载，并归一化处理[train_data,test_data]=LSTM_data_process();data_length=size(train_data,1);data_num=size(train_data,2);%% 网络参数初始化% 结点数设置input_num=12;cell_num=18;output_num=4;% 网络中门的偏置bias_input_gate=rand(1,cell_num);bias_forget_gate=rand(1,cell_num);bias_output_gate=rand(1,cell_num);% ab=1.2;% bias_input_gate=ones(1,cell_num)/ab;    end    if(Error_Cost(1,iter)<cost_gate)        break;    endend%% 绘制Error-Cost曲线图% for n=1:1:iter%     text(n,Error_Cost(1,n),'*');%     axis([0,iter,0,1]);%     title('Error-Cost曲线图');   % endfor n=1:1:iter    semilogy(n,Error_Cost(1,n),'*');    hold on;    title('Error-Cost曲线图');   end%% 使用第七天数据检验%数据加载test_final=[0.4557 0.4790 0.7019 0.8211 0.4601 0.4811 0.7101 0.8298 0.4612 0.4845 0.7188 0.8312]';test_final=test_final/sqrt(sum(test_final.^2));test_output=test_data(:,4);%前馈m=4;gate=tanh(test_final'*weight_input_x+h_state(:,m-1)'*weight_input_h);input_gate_input=test_final'*weight_inputgate_x+cell_state(:,m-1)'*weight_inputgate_c+bias_input_gate;forget_gate_input=test_final'*weight_forgetgate_x+cell_state(:,m-1)'*weight_forgetgate_c+bias_forget_gate;output_gate_input=test_final'*weight_outputgate_x+cell_state(:,m-1)'*weight_outputgate_c+bias_output_gate;for n=1:cell_num    input_gate(1,n)=1/(1+exp(-input_gate_input(1,n)));    forget_gate(1,n)=1/(1+exp(-forget_gate_input(1,n)));    output_gate(1,n)=1/(1+exp(-output_gate_input(1,n)));endcell_state_test=(input_gate.*gate+cell_state(:,m-1)'.*forget_gate)';pre_h_state=tanh(cell_state_test').*output_gate;h_state_test=(pre_h_state*weight_preh_h)'test_output

3 仿真结果

4 参考文献

[1]徐凌峰, 高洪. 基于LSTM神经网络的乘用车能耗预测[J]. 井冈山大学学报:自然科学版, 2021, 42(5):7.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。