R语言神经网络模型预测多元时间序列数据可视化

拓端数据部落公众号

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。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，我们使用了专门针对客户的多元时间序列数据设计的神经网络框架，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)