强推！创新直发核心！时序分解+优化组合+模子对比！VMD-SSA-Transformer-Bi ...

强推！创新直发核心！时序分解+优化组合+模子对比！VMD-SSA-Transformer-BiLSTM多变量时间序列预测


  
结果一览

基本介绍

1.强推！创新直发核心！时序分解+优化组合+模子对比！VMD-SSA-Transformer-BiLSTM多变量时间序列预测，变分模态分解+麻雀搜刮算法优化Transformer联合双向黑白期记忆神经网络多变量时间序列预测（步伐可以作为核心级论文代码支撑，目前尚未发表）；
2.麻雀搜刮算法优化参数为：学习率、隐含层单位数目、最大练习周期，运行环境为Matlab2023b及以上；
3.数据集为excel（光伏功率数据集，输入辐射度、气温、气压、湿度，输出光伏功率），输入多个特征，输出单个变量，思量历史特征的影响，多变量时间序列预测，主步伐运行即可，全部文件放在一个文件夹；
4.下令窗口输出R2、MSE、RMSE、MAE、MAPE、MBE等多指标评价。
先运行main1_VMD，进行vmd分解；再运行main2_SSA_Transformer_BiLSTM，三个模子对比；注意：一种算法不是全能的，不同的数据集结果会有差别，反面的工作就是需要调整参数。
数据集

参考文献

步伐设计

• 完备步伐和数据获取方式私信博主复兴时序分解+优化组合+模子对比！VMD-SSA-Transformer-BiLSTM多变量时间序列预测（Matlab）。
  

4. X = xlsread('北半球光伏数据.xlsx','C2:E296');
6. save origin_data X
8. L=length(X);%采样点数,即有多少个数据
9. t=(0:L-1)*Ts;%时间序列
10. STA=0; %采样起始位置，这里第0h开始采样
12. %--------- some sample parameters forVMD：对于VMD样品参数进行设置---------------
13. alpha = 2500;       % moderate bandwidth constraint：适度的带宽约束/惩罚因子
14. tau = 0;          % noise-tolerance (no strict fidelity enforcement)：噪声容限（没有严格的保真度执行）
15. K = 5;              % modes：分解的模态数
16. DC = 0;             % no DC part imposed：无直流部分
17. init = 1;           % initialize omegas uniformly  ：omegas的均匀初始化
18. tol = 1e-7         
19. %--------------- Run actual VMD code:数据进行vmd分解---------------------------
20. [u, u_hat, omega] = VMD(X(:,end), alpha, tau, K, DC, init, tol);
24. %  重构数据集
25. for i = 1: num_samples - kim - zim + 1
26.     res(i, :) = [reshape(X(i: i + kim - 1,:), 1, kim*or_dim), X(i + kim + zim - 1,:)];
27. end
30. % 训练集和测试集划分
31. outdim = 1;                                  % 最后一列为输出
32. num_size = 0.7;                              % 训练集占数据集比例
33. num_train_s = round(num_size * num_samples); % 训练集样本个数
34. f_ = size(res, 2) - outdim;                  % 输入特征维度
37. P_train = res(1: num_train_s, 1: f_)';
38. T_train = res(1: num_train_s, f_ + 1: end)';
39. M = size(P_train, 2);
41. P_test = res(num_train_s + 1: end, 1: f_)';
42. T_test = res(num_train_s + 1: end, f_ + 1: end)';
43. N = size(P_test, 2);
45. %  数据归一化
46. [P_train, ps_input] = mapminmax(P_train, 0, 1);
47. P_test = mapminmax('apply', P_test, ps_input);
49. [t_train, ps_output] = mapminmax(T_train, 0, 1);
50. t_test = mapminmax('apply', T_test, ps_output);

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。