BKA-CNN-BiLSTM、CNN-BiLSTM、BiLSTM、CNN四模子多变量时序光伏功率推测，附模子陈诉

BKA-CNN-BiLSTM、CNN-BiLSTM、BiLSTM、CNN四模子多变量时序光伏功率推测，附模子陈诉



推测结果

根本先容

BKA-CNN-BiLSTM、CNN-BiLSTM、BiLSTM、CNN四模子多变量时序光伏功率推测 (Matlab2020b 多输入单输出)
1.步伐已经调试好，更换数据集后，仅运行一个main即可运行，数据格式为excel!!!
2.BKA-CNN-BiLSTM、CNN-BiLSTM、BiLSTM、CNN四模子多变量时序光伏功率推测 (Matlab2023b 多输入单输出)，思量汗青特性的影响。
BKA优化隐蔽层节点数、初始学习率、L2正则化系数。黑翅鸢优化算法（Black-winged kite algorithm，BKA）是一种受天然启发的群智能优化算法。
3.运行环境要求MATLAB版本为2020b及其以上。
4.评价指标包罗:R2、MAE、MSE、RPD、RMSE、MAPE等，图许多，符合您的必要代码中文表明清楚，质量极高。

数据集

步伐筹划

• 完备源码和数据获取方式私信复兴BKA-CNN-BiLSTM、CNN-BiLSTM、BiLSTM、CNN四模子多变量时序光伏功率推测，附模子陈诉。
  

1. %% 预测
2. t_sim1 = predict(net, p_train);
3. t_sim2 = predict(net, p_test );
5. %%  数据反归一化
6. T_sim1 = mapminmax('reverse', t_sim1, ps_output);
7. T_sim2 = mapminmax('reverse', t_sim2, ps_output);
9. %%  均方根误差
10. error1 = sqrt(sum((T_sim1' - T_train).^2) ./ M);
11. error2 = sqrt(sum((T_sim2' - T_test ).^2) ./ N);
14. %%  相关指标计算
15. %  R2
16. R1 = 1 - norm(T_train - T_sim1')^2 / norm(T_train - mean(T_train))^2;
17. R2 = 1 - norm(T_test  - T_sim2')^2 / norm(T_test  - mean(T_test ))^2;
19. disp(['训练集数据的R2为：', num2str(R1)])
20. disp(['测试集数据的R2为：', num2str(R2)])
22. %  MAE
23. mae1 = sum(abs(T_sim1' - T_train)) ./ M ;
24. mae2 = sum(abs(T_sim2' - T_test )) ./ N ;
26. disp(['训练集数据的MAE为：', num2str(mae1)])
27. disp(['测试集数据的MAE为：', num2str(mae2)])
29. %% 平均绝对百分比误差MAPE
30. MAPE1 = mean(abs((T_train - T_sim1')./T_train));
31. MAPE2 = mean(abs((T_test - T_sim2')./T_test));
33. disp(['训练集数据的MAPE为：', num2str(MAPE1)])
34. disp(['测试集数据的MAPE为：', num2str(MAPE2)])
36. %  MBE
37. mbe1 = sum(abs(T_sim1' - T_train)) ./ M ;
38. mbe2 = sum(abs(T_sim1' - T_train)) ./ N ;
40. disp(['训练集数据的MBE为：', num2str(mbe1)])
41. disp(['测试集数据的MBE为：', num2str(mbe2)])
43. %均方误差 MSE
44. mse1 = sum((T_sim1' - T_train).^2)./M;
45. mse2 = sum((T_sim2' - T_test).^2)./N;
47. disp(['训练集数据的MSE为：', num2str(mse1)])
48. disp(['测试集数据的MSE为：', num2str(mse2)])

复制代码

参考资料

   [1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm=1001.2014.3001.5501

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。

继续阅读请点击广告