城乡建设杂志社官方网站,网站开发的晋升晋升空间路径,中国外协加工订单网,网站logo上传回归预测 | Matlab实现BiTCN-BiGRU-Attention双向时间卷积双向门控循环单元融合注意力机制多变量回归预测 目录 回归预测 | Matlab实现BiTCN-BiGRU-Attention双向时间卷积双向门控循环单元融合注意力机制多变量回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.M…回归预测 | Matlab实现BiTCN-BiGRU-Attention双向时间卷积双向门控循环单元融合注意力机制多变量回归预测 目录 回归预测 | Matlab实现BiTCN-BiGRU-Attention双向时间卷积双向门控循环单元融合注意力机制多变量回归预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍 1.Matlab实现BiTCN-BiGRU-Attention双向时间卷积双向门控循环单元融合注意力机制多变量回归预测完整源码和数据 2.输入多个特征输出单个变量回归预测运行环境matlab2023及以上 3.命令窗口输出R2、MAE、MAPE、 RMSE多指标评价 4.代码特点参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 5.适用对象大学生课程设计、期末大作业和毕业设计。 程序设计 完整源码和数据获取方式私信博主回复Matlab实现BiTCN-BiGRU-Attention双向时间卷积双向门控循环单元融合注意力机制多变量回归预测。
%% 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%% 导入数据
res xlsread(data.xlsx,sheet1,A2:H104);%% 数据分析
num_size 0.7; % 训练集占数据集比例
outdim 1; % 最后一列为输出
num_samples size(res, 1); % 样本个数
res res(randperm(num_samples), :); % 打乱数据集不希望打乱时注释该行
num_train_s round(num_size * num_samples); % 训练集样本个数
f_ size(res, 2) - outdim; % 输入特征维度%% 划分训练集和测试集
P_train res(1: num_train_s, 1: f_);
T_train res(1: num_train_s, f_ 1: end);
M size(P_train, 2);P_test res(num_train_s 1: end, 1: f_);
T_test res(num_train_s 1: end, f_ 1: end);
N size(P_test, 2);f_ size(P_train, 1); % 输入特征维度%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);
% 创建输入层
layer sequenceInputLayer(f_, Normalization rescale-symmetric, Name input);% 创建网络图
lgraph layerGraph(layer);
outputName layer.Name;% 建立网络结构 -- 残差块
for i 1 : numBlocks% 膨胀因子dilationFactor 2^(i-1);% 创建TCN正向支路layers [convolution1dLayer(filterSize, numFilters, DilationFactor dilationFactor, Padding causal, Nameconv1_ i) % 一维卷积层 layerNormalizationLayer % 层归一化spatialDropoutLayer(dropoutFactor) % 空间丢弃层convolution1dLayer(filterSize, numFilters, DilationFactor dilationFactor, Padding causal) % 一维卷积层 layerNormalizationLayer % 层归一化reluLayer % 激活层spatialDropoutLayer(dropoutFactor) % 空间丢弃层additionLayer(4, Name add_ i)];% 添加残差块到网络lgraph addLayers(lgraph, layers);% 连接卷积层到残差块lgraph connectLayers(lgraph, outputName, conv1_ i);% 创建 TCN反向支路flip网络结构
%% 相关指标计算
% R2
R1 1 - norm(T_train - T_sim1)^2 / norm(T_train - mean(T_train))^2;
R2 1 - norm(T_test - T_sim2)^2 / norm(T_test - mean(T_test ))^2;disp([训练集数据的R2为, num2str(R1)])
disp([测试集数据的R2为, num2str(R2)])% MAE
mae1 sum(abs(T_sim1 - T_train)) ./ M ;
mae2 sum(abs(T_sim2 - T_test )) ./ N ;disp([训练集数据的MAE为, num2str(mae1)])
disp([测试集数据的MAE为, num2str(mae2)])% RMSE
RMSE1 sqrt(sum((T_sim1 - T_train).^2)./M);
RMSE2 sqrt(sum((T_test - T_sim2).^2)./N);disp([训练集数据的RMSE为, num2str(RMSE1)])
disp([测试集数据的RMSE为, num2str(RMSE2)])%MAPE
MAPE1 mean(abs((T_train - T_sim1)./T_train));
MAPE2 mean(abs((T_test - T_sim2)./T_test));disp([训练集数据的MAPE为, num2str(MAPE1)])
disp([测试集数据的MAPE为, num2str(MAPE2)]) 参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129215161 [2] https://blog.csdn.net/kjm13182345320/article/details/128105718
