时序预测 | MATLAB实现ICEEMDAN-IMPA-LSTM时间序列预测

预测效果

基本介绍

ICEEMDAN-IMPA-LSTM功率/风速预测 基于改进的自适应经验模态分解+改进海洋捕食者算法+长短期记忆网络时间序列预测～组合预测
1.分解时避免了传统经验模态分解的一些固有缺陷，效果更佳，并通过改进的海洋捕食者算法对LSTM四个参数进行寻优，最后对每个分量建立LSTM模型进行预测后叠加集成，全新组合预测，出图多且精美～
2.改进点如下：
通过一个新的自适应参数来控制捕食者移动的步长，并使用非线性参数作为控制参数来平衡NMPA的探索和开发阶段，有效提高其搜索精度与收敛速度。
直接替换excel数据即可用 适合新手小白
附赠案例数据 可直接运行

程序设计

• 完整程序和数据下载方式私信博主回复：MATLAB实现ICEEMDAN-IMPA-LSTM时间序列预测。

function [modes,its]=iceemdan(x,Nstd,NR,MaxIter,SNRFlag)
x=x(:)';
desvio_x=std(x);
x=x/desvio_x;modes=zeros(size(x));
temp=zeros(size(x));
aux=zeros(size(x));
iter=zeros(NR,round(log2(length(x))+5));for i=1:NRwhite_noise{i}=randn(size(x));%creates the noise realizations
end;for i=1:NRmodes_white_noise{i}=emd(white_noise{i});%calculates the modes of white gaussian noise
end;for i=1:NR %calculates the first modexi=x+Nstd*modes_white_noise{i}(1,:)/std(modes_white_noise{i}(1,:));[temp, o, it]=emd(xi,'MAXMODES',1,'MAXITERATIONS',MaxIter);temp=temp(1,:);aux=aux+(xi-temp)/NR;iter(i,1)=it;
end;modes= x-aux; %saves the first mode
medias = aux;
k=1;
aux=zeros(size(x));
es_imf = min(size(emd(medias(end,:),'MAXMODES',1,'MAXITERATIONS',MaxIter)));while es_imf>1 %calculates the rest of the modesfor i=1:NRtamanio=size(modes_white_noise{i});if tamanio(1)>=k+1noise=modes_white_noise{i}(k+1,:);if SNRFlag == 2noise=noise/std(noise); %adjust the std of the noiseend;noise=Nstd*noise;try[temp,o,it]=emd(medias(end,:)+std(medias(end,:))*noise,'MAXMODES',1,'MAXITERATIONS',MaxIter);catch    it=0; disp('catch 1 '); disp(num2str(k))temp=emd(medias(end,:)+std(medias(end,:))*noise,'MAXMODES',1,'MAXITERATIONS',MaxIter);end;temp=temp(end,:);elsetry[temp, o, it]=emd(medias(end,:),'MAXMODES',1,'MAXITERATIONS',MaxIter);catchtemp=emd(medias(end,:),'MAXMODES',1,'MAXITERATIONS',MaxIter);it=0; disp('catch 2 sin ruido')end;temp=temp(end,:);end;aux=aux+temp/NR;iter(i,k+1)=it;    end;modes=[modes;medias(end,:)-aux];medias = [medias;aux];aux=zeros(size(x));
%--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

参考资料

[1] https://blog.csdn.net/article/details/126072792?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/article/details/126044265?spm=1001.2014.3001.5502