用R语言中的神经网络预测时间序列：多层感知器和极限学习机

相关视频

我将最后24个观察值保留为测试集，并将使用其余的观察值来拟合神经网络。当前有两种类型的神经网络可用，多层感知器；和极限学习机。

这是使MLP网络适合时间序列的基本命令。这将尝试自动指定自回归输入和时间序列的必要预处理。利用预先指定的参数，它训练了20个用于生成整体预测的网络和一个具有5个节点的隐藏层。是输出拟合网络的摘要：

该函数选择了自回归滞后，并将虚拟变量用于季节性趋势。使用显示网络的体系结构（图1）。

图1.输出

浅红色输入代表用于编码季节性的二进制虚拟变量，而灰色输入则是自回归滞后项。要生成预测，您可以输入：

图2显示了整体预测，以及各个神经网络的预测。

图2. MLP预测的输出。