镇江专业网站建设,单页静态网站怎么做,crm软件下载,网站建设方案书生鲜Transformer-LSTM预测 | Matlab实现Transformer-LSTM多变量时间序列预测 目录 Transformer-LSTM预测 | Matlab实现Transformer-LSTM多变量时间序列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Transformer-LSTM多变量时间序列预测#xff0c;Transf…Transformer-LSTM预测 | Matlab实现Transformer-LSTM多变量时间序列预测 目录 Transformer-LSTM预测 | Matlab实现Transformer-LSTM多变量时间序列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Transformer-LSTM多变量时间序列预测Transformer结合LSTM长短期记忆神经网络多变量时间序列预测
2.运行环境为Matlab2023b及以上
3.data为数据集输入多个特征输出单个变量考虑历史特征的影响多变量时间序列预测main.m为主程序运行即可,所有文件放在一个文件夹
4.命令窗口输出R2、MSE、RMSE、MAE、MAPE、MBE等多指标评价 程序设计
完整程序和数据下载私信博主回复Matlab实现Transformer-LSTM多变量时间序列预测。
%% 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
result xlsread(data.xlsx);%% 数据分析
num_samples length(result); % 样本个数
or_dim size(result, 2); % 原始特征输出数目
kim 2; % 延时步长kim个历史数据作为自变量
zim 1; % 跨zim个时间点进行预测%% 数据集分析
outdim 1; % 最后一列为输出
num_size 0.7; % 训练集占数据集比例
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);%% 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);%% 数据平铺
P_train double(reshape(P_train, f_, 1, 1, M));
P_test double(reshape(P_test , f_, 1, 1, N));t_train t_train;
t_test t_test ;%% 数据格式转换
for i 1 : Mp_train{i, 1} P_train(:, :, 1, i);
endfor i 1 : Np_test{i, 1} P_test( :, :, 1, i);
end
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm1001.2014.3001.5502
