多层感知器与非线性自回归外生模型在预测离散控制Matlab代码中的太阳能辐射：NARX vs MLP

离散控制Matlab代码非线性自回归外生模型与多层感知器预测太阳辐射水平的比较研究 作为伦敦大学城数据科学理学硕士课程神经网络模块课程的一部分提交。 主要源代码可以位于Matlab文件MLPNARXTIMESERIESFINALSUBMISSION.m中 抽象的 这是一项比较研究，在监督的时间序列回归任务中预测太阳辐射水平，对两种算法模型（非线性自回归外生模型（NARX）和多层感知器（MLP））进行了关键评估。 评估这两种算法的变体，以网格搜索的方式改变它们的超参数，并通过时间序列训练和测试序列的交叉验证进行验证。 来自最佳评估模型的测试结果通过查看提前一个预测的均方误差（MSE）性能进行比较。 在这种任务中，发现NARX具有比MLP更高的性能优势。 假设 最初的假设是，由于NARX在时间序列数据中建模非线性时间相关性的能力更强，因此在预测太阳辐射方面有望比MLP表现更好。 初步分析和数据描述 数据（包含在solarFINAL2.csv中）是2009年维希罗拉国家机场光伏电站每小时的辐照度水平。这与以前的NARX研究中用来预测太阳辐射的数据相同[1]。 在Solar_viz.m文件中，