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。 |