区间预测 | QRTCN时间卷积神经网络分位数回归时间序列区间预测模型（Matlab完整源码和数据）
目录
效果一览
基本介绍
区间预测 | QRTCN时间卷积神经网络分位数回归时间序列区间预测模型（Matlab完整源码和数据）
1.Matlab实现基于QRTCN时间卷积神经网络分位数回归时间序列区间预测模型；
2.多图输出、多指标输出(MAE、MAPE、RMSE、MSE、R2、区间覆盖率、区间平均宽度百分比)，单变量时序预测，含不同置信区间图；
3.data为数据集，用过去一段时间的变量，预测下一时刻，适用于负荷预测、风速预测等；main为主程序，其余为函数文件，无需运行；代码质量高，注释清楚；
程序设计
- 完整程序和数据获取方式QRTCN时间卷积神经网络分位数回归时间序列区间预测模型（Matlab完整源码和数据）
clike
%% 此程序为单变量输入单步预测
%% 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
%% 导入数据
data = readmatrix('数据集.xlsx');
[h1,l1]=data_process(data,8); %单步预测%步长为8
res = [h1,l1];
num_samples = size(res,1); %样本个数
% 训练集和测试集划分
outdim = 1; % 最后一列为输出
num_size = 0.8; % 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
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);
% 格式转换
for i = 1 : M
vp_train{i, 1} = p_train(:, i);
vt_train{i, 1} = t_train(:, i);
end
for i = 1 : N
vp_test{i, 1} = p_test(:, i);
vt_test{i, 1} = t_test(:, i);
end参考资料
1\] https://blog.csdn.net/kjm13182345320/article/details/127931217 \[2\] https://blog.csdn.net/kjm13182345320/article/details/127418340