目录
效果一览
基本介绍
1.Matlab基于Transformer多变量时间序列多步预测；
2.多变量时间序列数据集（负荷数据集），采用前96个时刻预测的特征和负荷数据预测未来96个时刻的负荷数据；
3.excel数据方便替换，运行环境matlab2023及以上，展示最后96个时间步的预测对比图，评价指标MAE、MAPE、RMSE、MSE、R2；
注：程序和数据放在一个文件夹。
4.程序语言为matlab，程序可出预测效果图，指标图;
5.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。
程序设计
- 完整程序和数据获取方式私信博主回复Matlab基于Transformer多变量时间序列多步预测。
python
在单 GPU 上训练。
｜＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝｜
｜ 轮 ｜ 迭代 ｜ 经过的时间 ｜ 小批量 ＲＭＳＥ ｜ 小批量损失 ｜ 基础学习率 ｜
｜ ｜ ｜ （ｈｈ：ｍｍ：ｓｓ） ｜ ｜ ｜ ｜
｜＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝｜
｜ １ ｜ １ ｜ ００：００：００ ｜ ５．５２ ｜ １５．２ ｜ ０．００１０ ｜
｜ １０ ｜ ５０ ｜ ００：００：０２ ｜ ４．５５ ｜ １０．４ ｜ ０．００１０ ｜
｜ ２０ ｜ １００ ｜ ００：００：０４ ｜ １．５７ ｜ １．２ ｜ ０．００１０ ｜
｜ ３０ ｜ １５０ ｜ ００：００：０７ ｜ １．５４ ｜ １．２ ｜ ０．００１０ ｜
｜ ４０ ｜ ２００ ｜ ００：００：０９ ｜ ０．８１ ｜ ０．３ ｜ ０．００１０ ｜
｜ ５０ ｜ ２５０ ｜ ００：００：１１ ｜ １．１９ ｜ ０．７ ｜ ０．００１０ ｜
｜＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝｜
训练结束: 已完成最大轮数。
历时 12.257705 秒。
1.均方差(MSE)：76636.1226
2.根均方差(RMSE)：276.8323
3.平均绝对误差（MAE）：226.3397
4.平均相对百分误差（MAPE）：5.2361%
5.R2：90.0432%
MAE MAPE MSE RMSE R^2
______ ________ _____ ______ _______
Transformer 226.34 0.052361 76636 276.83 0.90043
%% Set the hyper parameters for unet training
options0 = trainingOptions('adam', ... % 优化算法Adam
'MaxEpochs', 150, ... % 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',100, ... % 训练100次后开始调整学习率
'LearnRateDropFactor',0.01, ... % 学习率调整因子
'L2Regularization', 0.001, ... % 正则化参数
'ExecutionEnvironment', 'cpu',... % 训练环境
'Verbose', 1, ... % 关闭优化过程
'Plots', 'none'); % 画出曲线参考资料
[2] https://download.csdn.net/download/kjm13182345320/87568090?spm=1001.2014.3001.5501
[3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm=1001.2014.3001.5501