IT评测·应用市场-qidao123.com
标题:
区间猜测 | Matlab实现QRBiTCN分位数回归双向时间卷积神经网络注意力机制时
[打印本页]
作者:
一给
时间:
16 小时前
标题:
区间猜测 | Matlab实现QRBiTCN分位数回归双向时间卷积神经网络注意力机制时
Matlab实现QRBiTCN分位数回归双向时间卷积神经网络注意力机制时序区间猜测
效果一览
基本介绍
Matlab实现QRBiTCN分位数回归双向时间卷积神经网络注意力机制时序区间猜测;
2.多图输出、多指标输出(MAE、MAPE、RMSE、MSE、R2、区间覆盖率、区间平均宽度百分比),单变量时序猜测,含不同置信区间图;
3.data为数据集,用过去一段时间的变量,猜测下一时候,实用于负荷猜测、风速猜测等;main为主步伐,别的为函数文件,无需运行;代码质量高,表明清晰;
4.直接更换Excel数据即可用,表明清晰,适合新手小白,直接运行main文件一键出图。
5.代码特点:参数化编程、参数可方便更改、代码编程思绪清晰、表明明细。
步伐设计
完整步伐和数据获取方式资源处下载Matlab实现QRBiTCN分位数回归双向时间卷积神经网络注意力机制时序区间猜测。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
%% 导入数据
res = xlsread('data.xlsx');
%% 绘图
figure
fill([1 : M, M : -1 : 1], [L_sim1{1}, L_sim1{end}(end : -1 : 1)], ...
'r', 'FaceColor', [1, 0.8, 0.8], 'EdgeColor', 'none')
hold on
plot(1 : M, T_train, '-', 1 : M, T_sim1', '-', 'LineWidth', 0.3)
legend('95%的置信区间', '真实值', '预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'QRCNN-BiGRU-Attention训练集预测结果对比'; ['RMSE = ' num2str(error1)]};
title(string)
xlim([1, M])
grid
figure
fill([1 : N, N : -1 : 1], [L_sim2{1}, L_sim2{end}(end : -1 : 1)], ...
'r', 'FaceColor', [1, 0.8, 0.8], 'EdgeColor', 'none')
hold on
plot(1 : N, T_test, '-', 1 : N, T_sim2', '-', 'LineWidth', 1)
legend('95%的置信区间', '真实值', '预测值')
xlabel('预测样本')
ylabel('预测结果')
string = {'QRCNN-BiGRU-Attention测试集预测结果对比'; ['RMSE = ' num2str(error2)]};
title(string)
xlim([1, N])
grid
复制代码
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/127931217
[2] https://blog.csdn.net/kjm13182345320/article/details/127418340
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。
欢迎光临 IT评测·应用市场-qidao123.com (https://dis.qidao123.com/)
Powered by Discuz! X3.4