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：分解+降维+预测！多重创新！直接写核心！Matlab实现EMD-KPCA-Transformer多变量时间序列光伏功率预测
1
基本介绍
1.先运行main1_EMD，进行emd分解；
2. 再运行main2_KPCA，进行降维；
3.再运行main3_EMD_KPCA_Transformer完整建模和预测；
注意：一种算法不是万能的，不同的数据集效果会有差别，后面的工作就是需要调整参数；
4.运行环境为Matlab2023b及以上；
5.数据集为excel，光伏数据集，输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测,所有文件放在一个文件夹；
6.命令窗口输出R2、RMSE、MAE、MAPE等多指标评价。
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。
2
数据集
2.2
运行效果
完整代码链接：https://mbd.pub/o/bread/mbd-ZpeclZhu
也可扫描二维码：
3
clc;clearclose all%% Transformer预测ticload origin_data.matload emd_data.matload KPCA_data.mat%% EMD-KPCA-Transformer预测ticdisp('…………………………………………………………………………………………………………………………')disp('EMD-KPCA-Transformer预测')disp('…………………………………………………………………………………………………………………………')data=[KPCA_data X(:,end)];num_samples = length(data); % 样本个数kim = 5; % 延时步长（kim个历史数据作为自变量）zim = 1; % 跨zim个时间点进行预测or_dim = size(data,2);res=[];% 重构数据集for i = 1: num_samples - kim - zim + 1res(i, :) = [reshape(data(i: i + kim - 1,:), 1, kim*or_dim), data(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);
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。
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
