matlab使用深度学习进行时间序列预测

该工具包提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。您可以使用卷积神经网络（ConvNet、CNN）和长短期记忆 (LSTM) 网络对图像、时序和文本数据执行分类和回归。应用程序和绘图可帮助您可视化激活值、编辑网络架构和监控训练进度。

MATLAB神经网络温度预报代码基于人工神经网络的水库入库量预测 该存储库包含Matlab代码，可使用基于前馈人工神经网络（ANN）的预测模型（为任何流域设置）来获得1-7天的交货期的预测水库入库量。 当前，该脚本已设置为生成Lost Creek大坝的预测流入量，但是还提供了底特律和库加尔大坝的预测文件。 最后会计算一组指标以评估性能。 输入 时间序列： GFS预报（提前7天）-降水，最低/最高温度（在Predictors / 文件夹中） 来自CHIRPS的基于临近广播的卫星降水（在Predictors / CHIRPS_Precip文件夹中） 观察到的先验流（Predictors /文件夹中的.xls格式） 产出 潜在客户1-7天的培训期间（变量“ y”）和验证期间（变量“ yV”）的预测流量的时间序列 注意：Matlab需要神经网络/深度学习工具箱 引文 请将此工作引用为： Ahmad，SK和Hossain，F.，2019年。一种通用的数据驱动技术来预测水库入库量：水电最大化的应用。 环境建模与软件，第119页，第147-165页。 接触 Shahryar