LSTM模型预测厄尔尼诺和拉尼娜现象的代码

LSTM是一种循环神经网络，常用于序列数据的预测和分类。对于厄尔尼诺和拉尼娜现象的预测，可以使用LSTM模型来进行。以下是一个简单的LSTM模型预测厄尔尼诺和拉尼娜现象的代码示例：

% 加载数据
data = csvread('data.csv');

% 数据预处理
trainData = data(1:400,:);
testData = data(401:end,:);
trainX = trainData(:,1:12);
trainY = trainData(:,13);
testX = testData(:,1:12);
testY = testData(:,13);

% 构建LSTM模型
inputSize = 12;
numHiddenUnits = 200;
numClasses = 2;
layers = [ ...
    sequenceInputLayer(inputSize)
    lstmLayer(numHiddenUnits,'OutputMode','last')
    fullyConnectedLayer(numClasses)
    softmaxLayer
    classificationLayer];
options = trainingOptions('adam', ...
    'MaxEpochs',50, ...
    'GradientThreshold',1, ...
    'InitialLearnRate',0.01, ...
    'MiniBatchSize',10, ...
    'SequenceLength','longest', ...
    'Shuffle','every-epoch', ...
    'Verbose',false, ...
    'Plots','training-progress');

% 训练LSTM模型
net = trainNetwork(trainX',categorical(trainY'),layers,options);

% 预测测试数据
YPred = classify(net,testX');

% 计算准确率
accuracy = sum(YPred == categorical(testY'))/numel(testY);

% 输出准确率
disp(['Accuracy: ',num2str(accuracy)]);

需要注意的是，这只是一个简单的LSTM模型示例，实际应用中还需要对数据进行更加细致的处理和调整模型参数，才能得到更加准确的预测结果。