用MATLAB写一个LSTM模型的多步预测代码

以下是一个简单的 MATLAB LSTM 多步预测代码：

% 定义数据
data = [1 2 3 4 5 6 7 8 9 10];
num_time_steps = 3;
num_features = 1;
num_train_samples = 7;

% 将数据格式化为输入和输出
X = zeros(num_train_samples, num_time_steps, num_features);
Y = zeros(num_train_samples, num_time_steps, num_features);
for i = 1:num_train_samples
    X(i, :, 1) = data(i:i+num_time_steps-1);
    Y(i, :, 1) = data(i+1:i+num_time_steps);
end

% 定义 LSTM 模型
num_hidden_units = 10;
layers = [ ...
    sequenceInputLayer(num_features)
    lstmLayer(num_hidden_units, 'OutputMode', 'sequence')
    fullyConnectedLayer(num_features)
    regressionLayer];

% 定义训练选项
options = trainingOptions('adam', ...
    'MaxEpochs', 100, ...
    'MiniBatchSize', 1, ...
    'SequenceLength', num_time_steps);

% 训练 LSTM 模型
net = trainNetwork(X, Y, layers, options);

% 预测序列
num_test_samples = 3;
X_test = zeros(num_test_samples, num_time_steps, num_features);
X_test(1, :, 1) = data(end-num_time_steps+1:end);
for i = 2:num_test_samples
    X_test(i, :, 1) = predict(net, X_test(i-1, :, :));
end
Y_pred = predict(net, X_test);

% 显示预测结果
disp(Y_pred)

这个代码使用 LSTM 模型来预测一个简单的时间序列数据。首先，我们将数据格式化为输入和输出序列，然后定义 LSTM 模型并使用训练数据进行训练。最后，我们使用训练好的模型来预测接下来的几个时间步。