读完需要
速读仅需 2 分钟
请尊重原创劳动成果
转载请注明本文链接
及文章作者：机器学习之心
摘要：光伏功率预测新思路！2024年一区极光优化+分解对比！VMD-PLO-Transformer-LSTM多变量时间序列光伏功率预测
1
基本介绍
购买后可加博主QQ1153460737咨询交流。注意：其他非官方渠道购买的盗版代码不含模型咨询交流服务，大家注意甄别，谢谢。
参考文献
2
数据集
2.2
运行效果
完整代码链接：https://mbd.pub/o/bread/mbd-ZpuWk5lq
也可扫描二维码：
3
X = xlsread('北半球光伏数据.xlsx','C2:E296');save origin_data XL=length(X);%采样点数,即有多少个数据t=(0:L-1)*Ts;%时间序列STA=0; %采样起始位置，这里第0h开始采样%--------- some sample parameters forVMD：对于VMD样品参数进行设置---------------alpha = 2500; % moderate bandwidth constraint：适度的带宽约束/惩罚因子tau = 0; % noise-tolerance (no strict fidelity enforcement)：噪声容限（没有严格的保真度执行）K = 5; % modes：分解的模态数DC = 0; % no DC part imposed：无直流部分init = 1; % initialize omegas uniformly ：omegas的均匀初始化tol = 1e-7%--------------- Run actual VMD code:数据进行vmd分解---------------------------[u, u_hat, omega] = VMD(X(:,end), alpha, tau, K, DC, init, tol);% 重构数据集for i = 1: num_samples - kim - zim + 1res(i, :) = [reshape(X(i: i + kim - 1,:), 1, kim*or_dim), X(i + kim + zim - 1,:)];end% 训练集和测试集划分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);
4
嗯，细心的你会发现：https://mbd.pub/o/slowtrain/work
博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析。科研课题模型定制/横向项目模型仿真/职称学术论文辅导/模型程序讲解均可联系本人唯一QQ1153460737（其他均为盗版，注意甄别）
技术交流群：购买博主任意代码或分享博主博文到任意三方平台后即可添加博主QQ进群
