时序预测 | 基于WTC+transformer时间序列组合预测模型(pytorch)

目录

效果一览

基本介绍

WTC+transformer时间序列组合预测模型

WTC,transformer

创新点,超级新。先发先得,高精度代码。

预测主模型transformer也可以改其他WTC-former系列,比如WTC-informer/autoformer等等,代码还也可以继续缝合创新点,优化方法。需要的也可以发要求给我定制。

WTC卷积机制是2024年7月15日发表的卷积结构(热乎的超级新,新的不能在新了)。人们尝试通过增加卷积神经网络Q(CNN)内核的大小来模拟视觉变换器(VITs)自注意力模块的全局感受野。然而,这种方法很快就遇到了上限,并在达到全局感受野之前就已饱和。

原来WTC卷积是用来做图像的,本代码尝试将它转移用到时间序列中,二维转一维,利用WTC卷积进行特征提取,将提取的结果放入transformer进行预测,预测结果非常不错!接近98%的精度,证实了可行性。

python代码

pytorch架构

适合功率预测,风电光伏预测,负荷预测,流量预测,浓度预测,机械领域预测等等各种时间序列直接预测。

1.多变量输入,单变量输出

2.多时间步预测,单时间步预测

3.R方,MAE,MSE MAPE对比图,误差图(缺少的可自行添加)

4.将结果保存下来供后续处理

5.代码自带数据,一键运行,csv,xlsx文件读取数据,也可以替换自己数据集很简单。

程序设计

  • 完整程序和数据获取方式:私信博主回复时序预测 | 基于WTC+transformer时间序列组合预测模型(pytorch)。

参考资料

1 http://t.csdn.cn/pCWSp

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

相关推荐
高洁013 小时前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习
意念回复10 小时前
从 RNN 到 GQA:自注意力与多头注意力机制全解析
人工智能·rnn·深度学习
Soari1 天前
大语言模型LLM综述解读:从预训练到评测,建立理解 LLM 的技术地图
transformer·大语言模型·tsn·rlhf·指令微调
哈尔滨张谦蛋1 天前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
chh5632 天前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
汤姆宝库2 天前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习
tellmewhoisi2 天前
深度学习0:数学知识:(L1正则化和L2正则化)
人工智能·深度学习
β添砖java2 天前
Transformer大白话学习笔记
笔记·学习·transformer
AI小怪兽2 天前
你的视觉基础模型会说“植物语“吗?面向目标检测的视觉基础模型植物语法
人工智能·深度学习·机器学习