【MATLAB第26期】区间预测 | 基于MATLAB的LASSO分位数回归预测模型 负荷预测数据
一、效果预览
MSE:
22.9684327801807 %15分钟
21.6725387054707%30分钟
24.0995456594418%45分钟
21.3992361173462%60分钟
二、数据选择
案例数据：两个月负荷数据3599*30， 前五列分别为velocity、direction、tem、hPa及humidity，其余列为前24h历史负荷变量，以及最后一列为当前的load负荷输出变量。
若不考虑历史负荷，则默认前5列数据为输入变量， 最后一列为输出变量。
可通过readtable函数生成自己的excel数据，进行替换 。
最后一列数据需要为因变量数据。
或者通过菜单里的导入数据，选择excel表格，导出为table格式 。
三、代码优势
调参一体化，使用和调整方便，含注释，对新手友好
（1）采样时间间隔数量选择（代码目前可选择范围为1~4之内）
（2）采样时间间隔选择（可灵活调整，默认15min）
（3）测试集比例选择（默认20%）
（4）考虑历史负荷作为输入（调整FeatureMean 为0/1即可）
（5）特征变量数量选择（默认25:1:25，即前25作为输入，也可以选择多个变量对比）
（6）可修改分位数（默认0.1-0.9）
四、主程序代码
%% LASSO分位数回归 clc close all clear warning off %% 1.导入数据 load data% table格式数据，案例数据：两个月负荷数据3599*30， 最后一列为load输出变量 %% 2.数据设置 percent = 0.8; % 训练数据比例80% tt=4;% 不同采样时间间隔方式数量(1-4之内) mm=15;% 采样时间间隔 为15min %% 3.参数设置 mse =[]; count = 1; %起始数 FeatureMean = 0;% 特征值 ，选择0或者1 %特征值=0考虑历史负荷组合 ，1:end-k列作为输入，end为输出 %特征值非0代表 不考虑历史负荷 ，即1:5列作为输入，end为输出 ff=25:1:25;%特征变量数量选择 if FeatureMean==0 kk=size(data,2)-ff(1):-1:size(data,2)-ff(end); elseif FeatureMean==1 ff=5; kk=size(data,2)-ff; end QuanYpre = Quantile(Train,Test,model);%分位数回归预测
五、代码获取方式
后台私信回复“26”获取下载链接。
