聚划算!一区算法!双分解+牛顿拉夫逊优化+深度学习!CEEMDAN-VMD-NRBO-Transformer多元时序预测

目录

效果一览
















基本介绍

1.Matlab实现CEEMDAN-Kmeans-VMD-NRBO-Transformer融合K均值聚类的数据双重分解+牛顿-拉夫逊优化算法+Transformer多元时间序列预测(完整源码和数据)运行环境Matlab2023b及以上。

2.CEEMDAN分解,计算样本熵,根据样本熵进行kmeans聚类,调用VMD对高频分量二次分解, VMD分解的高频分量与前分量作为NRBO-Transformer模型的目标输出分别预测后相加。

3.多变量单输出,考虑历史特征的影响!评价指标包括R2、MAE、RMSE、MAPE等。

4.算法新颖。⑴ CEEMDAN模型处理高频数据,具有更高的准确率,能够跟踪数据的趋势以及变化。⑵ VMD 模型处理非线性、非平稳以及复杂的数据,表现得比EMD系列更好,因此将重构的数据通过VMD模型分解,提高了模型的准确度。(3)NRBO算法优化参数为自注意力机制头数、正则化系数、学习率!

5.直接替换Excel数据即可用,数据集为excel(光伏功率数据集,输入辐射度、气温、气压、湿度,输出光伏功率),注释清晰,适合新手小白,直接运行主文件一键出图。

程序设计

  • 完整程序私信博主回复Matlab实现CEEMDAN-VMD-NRBO-Transformer多元时序预测
matlab 复制代码
%%  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

%%  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);

%%  数据平铺
P_train =  double(reshape(P_train, f_, 1, 1, M));
P_test  =  double(reshape(P_test , f_, 1, 1, N));

t_train = t_train';
t_test  = t_test' ;

%%  数据格式转换
for i = 1 : M
    p_train{i, 1} = P_train(:, :, 1, i);
end

for i = 1 : N
    p_test{i, 1}  = P_test( :, :, 1, i);
end

 
%%  参数设置
options = trainingOptions('adam', ...      % Adam 梯度下降算法
    'MaxEpochs', 100, ...                  % 最大训练次数 
    'InitialLearnRate', 0.01, ...          % 初始学习率为0.01
    'LearnRateSchedule', 'piecewise', ...  % 学习率下降
    'LearnRateDropFactor', 0.1, ...        % 学习率下降因子 0.1
    'LearnRateDropPeriod', 70, ...         % 经过训练后 学习率为 0.01*0.1
    'Shuffle', 'every-epoch', ...          % 每次训练打乱数据集
    'Verbose', 1);
figure
subplot(2,1,1)
plot(T_train,'k--','LineWidth',1.5);
hold on
plot(T_sim_a','r-','LineWidth',1.5)

参考资料

1\] https://hmlhml.blog.csdn.net/article/details/135536086?spm=1001.2014.3001.5502 \[2\] https://hmlhml.blog.csdn.net/article/details/137166860?spm=1001.2014.3001.5502 \[3\] https://hmlhml.blog.csdn.net/article/details/132372151

相关推荐
-一杯为品-1 小时前
【动手学深度学习】#2线性神经网络
人工智能·深度学习·神经网络
境心镜1 小时前
(下一个更新)PATNAS: A Path-Based Training-Free NeuralArchitecture Search
人工智能·深度学习·nas·免训练
max5006001 小时前
PyTorch 实现 Conditional DCGAN(条件深度卷积生成对抗网络)进行图像到图像转换的示例代码
人工智能·深度学习·yolo
进取星辰1 小时前
PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法
pytorch·深度学习·算法
奔袭的算法工程师2 小时前
TI的Doppler-Azimuth架构(TI文档)
人工智能·深度学习·目标检测·架构·自动驾驶
Ronin-Lotus2 小时前
图像处理篇---图像预处理
图像处理·人工智能·python·深度学习·opencv·计算机视觉
m0_743106463 小时前
【论文笔记】FLARE:feed-forward+pose&geometry estimate+GS
论文阅读·深度学习·计算机视觉·3d·几何学
Zhouqi_Hua3 小时前
LLM论文笔记 24: A Theory for Length Generalization in Learning to Reason
论文阅读·人工智能·笔记·深度学习·语言模型·自然语言处理
Y1nhl4 小时前
搜广推校招面经五十
人工智能·pytorch·深度学习·算法·机器学习·推荐算法·搜索算法
HealthScience4 小时前
RAG、Agent、微调等6种常见的大模型定制策略
python·深度学习·大模型