多维时序 | Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测

多维时序 | Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测

目录

预测效果






基本介绍

Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测(完整程序和数据)

1.先运行vmdtest,进行vmd分解;

2.再运行VMD-DBO-GRU,三个模型对比;

3.运行环境Matlab2020及以上。

  • VMD-DBO-GRU:变分模态分解结合蜣螂算法优化门控循环单元;
  • VMD-GRU:变分模态分解结合门控循环单元;
  • GRU:门控循环单元。

程序设计

  • 完整程序和数据获取方式:私信博主回复Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测
clike 复制代码
clc;clear;close all;format compact
tic
clc
clear all
fs=1;%采样频率,即时间序列两个数据之间的时间间隔,这里间隔1h采样
Ts=1/fs;%采样周期

X = xlsread('北半球光伏数据.xlsx','C2:E296');

save origin_data X

L=length(X);%采样点数,即有多少个数据
t=(0:L-1)*Ts;%时间序列
STA=0; %采样起始位置,这里第0h开始采样

%--------- some sample parameters forVMD:对于VMD样品参数进行设置---------------
alpha = 2500;       % moderate bandwidth constraint:适度的带宽约束/惩罚因子
tau = 0;          % noise-tolerance (no strict fidelity enforcement):噪声容限(没有严格的保真度执行)
K = 5;              % modes:分解的模态数
DC = 0;             % no DC part imposed:无直流部分
init = 1;           % initialize omegas uniformly  :omegas的均匀初始化
tol = 1e-7         
%--------------- Run actual VMD code:数据进行vmd分解---------------------------
[u, u_hat, omega] = VMD(X(:,end), alpha, tau, K, DC, init, tol);
%  参数设置
options = trainingOptions('adam', ...                 % 优化算法Adam
    'MaxEpochs', 70, ...                              % 最大训练次数
    'GradientThreshold', 1, ...                       % 梯度阈值
    'InitialLearnRate', 0.01, ...                     % 初始学习率
    'LearnRateSchedule', 'piecewise', ...             % 学习率调整
    'LearnRateDropPeriod', 60, ...                    % 训练850次后开始调整学习率
    'LearnRateDropFactor',0.2, ...                    % 学习率调整因子
    'L2Regularization', 0.01, ...                     % 正则化参数
    'ExecutionEnvironment', 'cpu',...                 % 训练环境
    'Verbose', 0, ...                                 % 关闭优化过程
    'Plots', 'training-progress');                    % 画出曲线

%  训练
net = trainNetwork(vp_train, vt_train, layers, options);
%analyzeNetwork(net);% 查看网络结构

参考资料

1\] https://blog.csdn.net/kjm13182345320/category_11799242.html?spm=1001.2014.3001.5482 \[2\] https://blog.csdn.net/kjm13182345320/article/details/124571691

相关推荐
Hao想睡觉3 天前
循环神经网络(RNN)、LSTM 与 GRU (一)
rnn·gru·lstm
失散135 天前
自然语言处理——03 RNN及其变体
人工智能·rnn·自然语言处理·gru·lstm
学行库小秘7 天前
基于门控循环单元的数据回归预测 GRU
人工智能·深度学习·神经网络·算法·回归·gru
AAA锅包肉批发16 天前
论文阅读:Aircraft Trajectory Prediction Model Based on Improved GRU Structure
论文阅读·深度学习·gru
数据知道16 天前
GRU模型:门控循环单元的原理与优势及Python实现
python·深度学习·gru
星马梦缘20 天前
RNN梯度爆炸/消失的杀手锏——LSTM与GRU
人工智能·rnn·深度学习·gru·lstm·长短期记忆
简简单单做算法20 天前
基于WOA鲸鱼优化的VMD-GRU时间序列预测算法matlab仿真
matlab·gru·时间序列预测·woa·鲸鱼优化·vmd-gru
机器学习之心21 天前
单变量单步时序预测:CNN-GRU卷积神经网络结合门控循环单元
人工智能·cnn·gru·cnn-gru
go54631584651 个月前
基于LSTM和GRU的上海空气质量预测研究
图像处理·人工智能·深度学习·神经网络·算法·gru·lstm
机器学习之心1 个月前
三种深度学习模型(GRU、CNN-GRU、贝叶斯优化的CNN-GRU/BO-CNN-GRU)对北半球光伏数据进行时间序列预测
gru·cnn-gru·贝叶斯优化的cnn-gru