全文鏈接：http://tecdat.cn/?p=32198

原文出處：拓端數(shù)據(jù)部落公眾號

多元時間序列建模一直是吸引了來自經(jīng)濟，金融和交通等各個領域的研究人員的主題。多元時間序列預測的一個基本假設是，其變量相互依賴。

在本文中，我們使用了專門針對客戶的多元時間序列數(shù)據(jù)設計的神經(jīng)網(wǎng)絡框架，擬合單隱層神經(jīng)網(wǎng)絡，可能存在跳躍層連接。

查看數(shù)據(jù)

其中Y為因變量，時間、Y1、Y2為自變量。

讀取數(shù)據(jù)

data=read.xlsx("my data.xlsx") ? ? head(data)

建立神經(jīng)網(wǎng)絡模型

建立單隱藏層神經(jīng)網(wǎng)絡，size參數(shù)可以確定隱藏層的節(jié)點數(shù)量，maxit控制迭代次數(shù)。

require(nnet)## Loading required package: nnet?#設置因變量 ?? y=data$Y ?#? y<-data.frame((y-min(y))/(max(y)-min(y))) ??names(y)<-'y'

繪制擬合數(shù)據(jù)

預測未來的20年數(shù)據(jù)

foreY1=0 ?? ? ?? foreY1=predict(mod2,data.frame(T=foreyear)? )

預測新變量

datanew= data.frame(T=foreyear,Y1=foreY1,Y2=foreY2)

繪制未來20年的時間序列

pre=ts(pre,start = c(2015),f=1) ###############################繪制未來20年的時間序列plot(pre, axes = F,col=2,type="l") axis(side = 1 ,col=10)

?最受歡迎的見解

1.在python中使用lstm和pytorch進行時間序列預測

2.python中利用長短期記憶模型lstm進行時間序列預測分析

3.Python用RNN循環(huán)神經(jīng)網(wǎng)絡：LSTM長期記憶、GRU門循環(huán)單元、回歸和ARIMA對COVID-19新冠疫情新增人數(shù)時間序列

4.Python TensorFlow循環(huán)神經(jīng)網(wǎng)絡RNN-LSTM神經(jīng)網(wǎng)絡預測股票市場價格時間序列和MSE評估準確性

5.r語言copulas和金融時間序列案例

6.R 語言用RNN循環(huán)神經(jīng)網(wǎng)絡 、LSTM長短期記憶網(wǎng)絡實現(xiàn)時間序列長期利率預測

7.Matlab創(chuàng)建向量自回歸（VAR）模型分析消費者價格指數(shù) (CPI) 和失業(yè)率時間序列

8.r語言k-shape時間序列聚類方法對股票價格時間序列聚類

9.R語言結合新冠疫情COVID-19股票價格預測：ARIMA，KNN和神經(jīng)網(wǎng)絡時間序列分析