BO-RBF多变量时间序列 | Matlab 基于贝叶斯优化算法优化径向基函数神经网络(BO-RBF)的多变量时间序列预测
目录
效果一览
基本介绍
BO-RBF多变量时间序列 | Matlab 基于贝叶斯优化算法优化径向基函数神经网络(BO-RBF)的多变量时间序列预测
程序平台：要求Matlab2023版以上
功能：
1、多变量特征输入，单序列变量输出。
2、提供MAPE、RMSE、MAE等计算结果展示。
适用领域：
风速预测、光伏功率预测、发电功率预测、碳价预测，交通流预测，等多种预测类应用。
使用便捷：
直接使用EXCEL表格导入数据，无需大幅修改程序。
程序设计
- 完整程序和数据下载私信博主回复Matlab 基于贝叶斯优化算法优化径向基函数神经网络(BO-RBF)的多变量时间序列预测。
clike
%% 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);参考资料
1 https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
2 https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502