济南软件优化网站建设,基础网页制作,wordpress各个文件夹结构,wordpress做微信登录页面模板JCRQ1河马算法四模型对比#xff01;HO-CNN-GRU-Attention系列四模型多变量时序预测 目录 JCRQ1河马算法四模型对比#xff01;HO-CNN-GRU-Attention系列四模型多变量时序预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍
基于HO-CNN-GRU-Attention、CNN-GRU-Attent…JCRQ1河马算法四模型对比HO-CNN-GRU-Attention系列四模型多变量时序预测 目录 JCRQ1河马算法四模型对比HO-CNN-GRU-Attention系列四模型多变量时序预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍
基于HO-CNN-GRU-Attention、CNN-GRU-Attention、HO-CNN-GRU、CNN-GRU四模型多变量时序预测一键对比(仅运行一个main即可)
Matlab代码每个模型的预测结果和组合对比结果都有!
1.无需繁琐步骤只需要运行一个main即可一键出所有图像。
2.程序已经调试好无需更改代码替换数据集即可运行!!!数据格式为excel!
3.优化参数为:隐藏层节点数学习率正则化系数。
4.河马优化算法Hippopotamus Optimization AlgorithmHO)是一种群智能优化算法HO算法是从河马观察到的固有行为中汲取灵感而构思的该成果于2023年发表在知名SCI期刊、JCRQ1Mathematics上。
5.运行环境要求MATLAB版本为2023b及其以上。 评价指标包括:R2、MAE、MSE、RPD、RMSE等图很多 代码中文注释清晰质量极高赠送测试数据集可以直接运行源程序。替换你的数据即可用 适合新手小白
程序设计
完整代码私信回复JCRQ1河马算法消融实验HO-CNN-BiLSTM-Attention系列四模型多变量时序预测。
%% 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(数据集.xlsx);%% 数据分析
num_samples length(result); % 样本个数
kim 2; % 延时步长前面多行历史数据作为自变量
zim 1; % 跨zim个时间点进行预测
nim size(result, 2) - 1; % 原始数据的特征是数目%% 划分数据集
for i 1: num_samples - kim - zim 1res(i, :) [reshape(result(i: i kim - 1 zim, 1: end - 1), 1, ...(kim zim) * nim), result(i kim zim - 1, end)];
end%% 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; % 输入特征长度%% 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, -1, 1);%将训练集和测试集的数据调整到0到1之间
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, -1, 1);% 对测试集数据做归一化
t_test mapminmax(apply, T_test, ps_output);%% 数据平铺
% 将数据平铺成1维数据只是一种处理方式
% 也可以平铺成2维数据以及3维数据需要修改对应模型结构
% 但是应该始终和输入层数据结构保持一致
p_train double(reshape(p_train, f_, 1, 1, M));
p_test double(reshape(p_test , f_, 1, 1, N));
t_train double(t_train);
t_test double(t_test );%% 数据格式转换
for i 1 : MLp_train{i, 1} p_train(:, :, 1, i);
endfor i 1 : NLp_test{i, 1} p_test( :, :, 1, i);
end
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm1001.2014.3001.5501 [2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm1001.2014.3001.5501
