基本介绍
NRBO-CNN-GRU、CNN-GRU、GRU牛顿-拉夫逊优化算法+三模型光伏功率多变量时间序列预测对比 (Matlab2020b 多输入单输出)
1.程序已经调试好，替换数据集后，仅运行一个main即可运行，数据格式为excel!!!
2.NRBO-CNN-GRU、CNN-GRU、GRU三模型多变量时序光伏功率预测 (Matlab2020b 多输入单输出)，考虑历史特征的影响。
NRBO牛顿-拉夫逊优化算法优化CNN-GRU的隐藏层节点数、初始学习率、L2正则化系数。
3.运行环境要求MATLAB版本为2020b及其以上。
4.评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，中文注释清晰，质量极高。
代码主要功能
该代码实现了一个光伏功率预测，使用三种深度学习模型（GRU、CNN-GRU、NRBO-CNN-GRU）对北半球光伏数据进行时间序列预测。核心功能包括：
数据预处理：时间序列重构、数据集划分、归一化
模型构建与训练：
基础GRU模型
CNN-GRU混合模型
NRBO算法优化的CNN-GRU模型
超参数优化：使用NRBO自动优化学习率、正则化参数和GRU单元数
预测与评估：计算RMSE、MAE、MAPE、R²等指标
可视化分析：
预测结果对比曲线
损失函数变化曲线
雷达图/罗盘图等多维指标对比
误差分布可视化
算法步骤
数据准备：
导入Excel数据（北半球光伏数据.xlsx）
构建时序样本（延时步长kim=4）
按7:3划分训练集/测试集
数据归一化（mapminmax）
模型训练：
预测与评估：
反归一化预测结果
计算5种评价指标（RMSE/MAE/MAPE/R²/MSE）
多模型对比分析
可视化：
预测值 vs 真实值曲线
训练损失变化曲线
三维指标对比（雷达图/罗盘图）
误差分布柱状图
运行环境要求
MATLAB R2020b或更高版本
Deep Learning Toolbox
应用场景
光伏发电预测：
北半球地区光伏电站出力预测
电网调度与能源管理
时间序列预测：
电力负荷预测
风速/辐照度预测
金融时间序列预测
算法研究：
深度学习模型对比（GRU/CNN-GRU）
智能优化算法应用（NRBO）
超参数自动优化
创新点
混合架构：CNN特征提取 +GRU时序建模
智能优化：NRBO算法自动调参
多维评估：
多种量化指标
多种可视化方法（雷达图/罗盘图等）
工业应用：专为光伏数据设计的预处理流程
