R语言神经网络模型预测多元时间序列数据可视化|附代码数据
原创
全文链接：http://tecdat.cn/?p=32198
最近我们被客户要求撰写关于神经网络的研究报告，包括一些图形和统计输出。
多元时间序列建模一直是吸引了来自经济，金融和交通等各个领域的研究人员的主题 （ 点击文末“阅读原文”获取完整代码数据******** ）。
多元时间序列预测的一个基本假设是，其变量相互依赖。
在本文中，我们专门针对客户的多元时间序列数据设计了神经网络框架，拟合单隐层神经网络，可能存在跳跃层连接。
查看数据
其中Y为因变量，时间、Y1、Y2为自变量。
读取数据
data=read.xlsx("my data.xlsx")
head(data)
建立神经网络模型
建立单隐藏层神经网络，size参数可以确定隐藏层的节点数量，maxit控制迭代次数。
require(nnet)
## Loading required package: nnet
#设置因变量
y=data$Y
# y<-data.frame((y-min(y))/(max(y)-min(y)))
names(y)<-'y'
绘制拟合数据
预测未来的20年数据
foreY1=0
foreY1=predict(mod2,data.frame(T=foreyear) )预测新变量
datanew= data.frame(T=foreyear,Y1=foreY1,Y2=foreY2)
绘制未来20年的时间序列
pre=ts(pre,start = c(2015),f=1)
###############################绘制未来20年的时间序列
plot(pre, axes = F,col=2,type="l")
axis(side = 1 ,col=10)
本文选自《R语言神经网络模型预测多元时间序列数据可视化》。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录
相关产品与服务
数据万象
数据万象（Cloud Infinite，CI）是依托腾讯云对象存储的数据处理平台，涵盖图片处理、内容审核、媒体处理、AI 识别、文档预览等功能，为客户提供一站式的专业数据处理解决方案，满足您多种业务场景的需求。
腾讯云开发者
