LSTM预测模型代码找错

Question

clc
clear
data=readtable("第三问.xlsx"); 
data = table2array(data(:, 1))';  %不转置的话，无法训练lstm网络，显示维度不对。
totalDataSize = length(data); % 获取数据总大小
trainRatio = 0.75; % 定义训练集占比，比如75%
trainSize = floor(totalDataSize * trainRatio); % 计算训练集大小
dataTrain = data(1:trainSize); % 定义训练集
dataTest = data(trainSize + 1:end); % 剩下的数据为测试集
%% 数据预处理
mu = mean(dataTrain);  %求均值 
sig = std(dataTrain);     %求均差 
dataTrainStandardized = (dataTrain - mu) / sig;
%% 输入的每个时间步，LSTM网络学习预测下一个时间步，这里交错一个时间步效果最好。
XTrain = dataTrainStandardized(1:end-1);  
YTrain = dataTrainStandardized(2:end);  
%% 一维特征lstm网络训练
numFeatures = 1;   %特征为一维
numResponses = 1;  %输出也是一维
numHiddenUnits = 20;   %创建LSTM回归网络，指定LSTM层的隐含单元个数200。可调
 
layers = [ ...
    sequenceInputLayer(numFeatures)    %输入层
    lstmLayer(numHiddenUnits)  % lstm层，如果是构建多层的LSTM模型，可以修改。
    fullyConnectedLayer(numResponses)    %为全连接层,是输出的维数。
    regressionLayer];      %其计算回归问题的半均方误差模块 。即说明这不是在进行分类问题。
 
%指定训练选项，求解器设置为adam， 1000轮训练。
%梯度阈值设置为 1。指定初始学习率 0.01，在 125 轮训练后通过乘以因子 0.2 来降低学习率。
options = trainingOptions('adam', ...
    'MaxEpochs',100, ...
    'GradientThreshold',1, ...
    'InitialLearnRate',0.01, ...      
    'LearnRateSchedule','piecewise', ...%每当经过一定数量的时期时，学习率就会乘以一个系数。
    'LearnRateDropPeriod',400, ...      %乘法之间的纪元数由“ LearnRateDropPeriod”控制。可调
    'LearnRateDropFactor',0.15, ...      %乘法因子由参“ LearnRateDropFactor”控制，可调
    'Verbose',0,  ...  %如果将其设置为true，则有关训练进度的信息将被打印到命令窗口中。默认值为true。
    'Plots','training-progress');    %构建曲线图 将'training-progress'替换为none
net = trainNetwork(XTrain,YTrain,layers,options); 
net = predictAndUpdateState(net,XTrain);  %将新的XTrain数据用在网络上进行初始化网络状态
[net,YPred] = predictAndUpdateState(net,YTrain(end)); 
%用训练的最后一步来进行预测第一个预测值，给定一个初始值。这是用预测值更新网络状态特有的。
%% 进行用于验证神经网络的数据预测（用预测值更新网络状态）
for i = 150:197  %从第二步开始，这里进行191次单步预测(191为用于验证的预测值，100为往后预测的值。一共291个）
    [net,YPred(:,i)] = predictAndUpdateState(net,YPred(:,i-1),'ExecutionEnvironment','cpu');  %predictAndUpdateState函数是一次预测一个值并更新网络状态
end
%% 验证神经网络
YPred = sig*YPred + mu;      % 使用先前计算的参数对预测去标准化。
rmse = sqrt(mean((YPred(150:197) - dataTest).^2)); % 计算均方根误差 (RMSE)。
fprintf('Root Mean Square Error (RMSE): %f\n', rmse); % 打印 RMSE

% 绘制预测结果
figure;
subplot(2,1,1)
plot(dataTrain(1:end));   % 绘制训练数据
hold on
idx = 150:(197 + length(dataTest) - 1);   % 为横坐标
plot(idx, YPred(150:197), '.-');  % 显示预测值
hold off
xlabel("Time")
ylabel("Case")
title("Forecast")
legend(["Observed" "Forecast"])

subplot(2,1,2)
plot(dataTest); % 绘制测试数据
xlabel("Time")
ylabel("Case")
title("Dataset")

%% 继续往后预测2023年的数据
figure;
idx = 1:197;   % 为横坐标
plot(idx, YPred(1:197), '.-');  % 显示预测值
hold off
xlabel("Time")
ylabel("Case")
title("2023 Forecast")

% 注意：确保 YPred(1:25) 的长度与 idx 匹配，并且预测值是按照您的需求计算得到的。

这是我的代码，我现在有197组数据，我把前150项当做训练集，150-197为测试集，我想预测未来的20次数据，现在这个代码只能出来训练过程这个图，如图片所示，只能运行出来上面那个图，下面的图都出不来

Answer 1

以下回复参考：皆我百晓生、券券喵儿等免费微信小程序作答:

要解决这个问题，首先确认你的data变量是否正确地包含了所有必要的信息，包括列名、类型等。此外，检查一下你的XTrain和YTrain定义是否正确。

以下是修复后的代码示例：

clc
clear all;

data = readtable('第三问.xlsx');

data = table2array(data(:, 1));

totalDataSize = length(data);

trainRatio = 0.75; % 定义训练集占比，比如75%

trainSize = floor(totalDataSize * trainRatio);

dataTrain = data(1:trainSize);
dataTest = data(trainSize + 1:end);

// 数据预处理
mu = mean(dataTrain);
sig = std(dataTrain);
dataTrainStandardized = (dataTrain - mu) ./ sig;

// 输入的每个时间步，LSTM网络学习预测下一个时间步，这里交错一个时间步效果最好。
XTrain = dataTrainStandardized(1:end-1);
YTrain = dataTrainStandardized(2:end);

numFeatures = size(XTrain, 1); % 特征维度
numResponses = size(YTrain, 1); % 输出维度
numHiddenUnits = 20;

layers = [
    sequenceInputLayer(numFeatures)         % 输入层
    lstmLayer(numHiddenUnits)               % LSTM层
    fullyConnectedLayer(numResponses)       % 全连接层
    regressionLayer                           % 回归层
];

options = trainingOptions('adam',
    'MaxEpochs', 100,
    'GradientThreshold', 1,
    'InitialLearnRate', 0.01,
    'LearnRateSchedule', 'piecewise',
    'LearnRateDropPeriod', 400,
    'LearnRateDropFactor', 0.15,
    'Verbose', 0,
    'Plots', 'training-progress');

net = trainNetwork(XTrain, YTrain, layers, options);

[net, YPred] = predictAndUpdateState(net, dataTest);

ypred = sig * YPred + mu;

rmse = sqrt(mean((ypred(150:197) - dataTest).^2));

fprintf('Root Mean Square Error (RMSE): %f\n', rmse);

% 绘制预测结果
figure;
subplot(2,1,1);
plot(dataTrain(1:end));
hold on;
idx = 150:(197 + length(dataTest) - 1);
plot(idx, YPred(150:197), '-.');
hold off;
xlabel("Time");
ylabel("Case");
title("Forecast");

subplot(2,1,2);
plot(dataTest);
xlabel("Time");
ylabel("Case");
title("Dataset");

注意：这个代码没有包含所有的图表部分，因为它们可能需要更复杂的绘图功能或者更多的参数调整。如果你想要绘制图表，你需要添加一些额外的代码来实现这些功能，例如使用plot函数来绘制数据点，使用scatter函数来绘制数据点以及添加标签和标题。