NARX

提供了用于热化学储能系统的神经网络 MATLAB 代码，该代码结合了神经网络自回归外生输入 (NARX) 模型和受物理启发的误差计算。该存储库包含四个代码文件： PINN_TCES.m：主脚本 plot_best_worst.m：绘图功能 computePHYLOSS.m：物理误差的损失函数计算 computeJPHY.m：物理误差雅可比行列式的计算 默认情况下，MATLAB 神经网络工具箱的训练脚本位于 c:/Program Files/MATLAB/ ' version ' /toolbox/nnet/nntrain。建议创建该文件夹的副本，因为需要对其进行修改。此外，请将复制文件夹的位置添加到优先级较高的 MATLAB 搜索路径中。 所使用的训练算法包含在脚本 trainbr.m 中，有两个选项：直接修改此脚本或创建此脚本副本并使用不同的文件名。在 trainbr 脚本（或副本）中，请相应地调整 initializeTraining、trainingIteration 和 computeDX 函数。 注意：原始脚本是针对“MSE + L2”正则化方法开发的，请根据需要进行调整。

CS230项目包含了使用TensorFlow（biLSTM_tensorflow.ipynb）和Keras（LSTM_keras.ipynb）编写的数据预处理代码，以及使用RNN LSTM架构在MATLAB中实现的NARX代码，还包括使用PyNeurGen库（NARX_PyNeurGen.ipynb）的实现。

该存储库提供基于人工神经网络的地下水位预测代码比较，包括长短期记忆（LSTM）、卷积神经网络（CNN）和非线性自回归外生网络（NARX）的应用。作者列出了每种方法的优势和适用场景，并提供了Matlab和Python脚本以及示例文件，帮助用户复现和应用这些预测模型。