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：时序预测 | 改进图卷积+informer时间序列预测，pytorch架构
1
基本介绍
图卷积 GCN 中，图拓扑在特征聚合中占主导地位，提取代表性特征的关键。因此提出了一种改进GCN的新方法，叫通道拓扑细化图卷积 （CTR-GC），以动态学习不同的拓扑结构，并有效地聚合不同通道中的特征。本代码尝试将它转移用到时间序列中，创新思维的三维转二维，利用部分卷积进行特征提取，将提取的结果放入informer进行预测，预测还不错，同时证实了引入图卷积的可行性。适合功率预测，风电光伏预测，负荷预测，流量预测，浓度预测，机械领域预测等等各种时间序列直接预测。验证模型，划分测试集训练集。3.R方,MAE，MSE MAPE对比图，误差图（缺少的可自行添加）5.代码自带数据，一键运行，csv，xlsx文件读取数据，也可以替换自己数据集很简单。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
运行效果
![]()
完整代码扫描二维码：白嫖勿扰
![]()
3
网络结构
![]()
4
其他代码
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
![]()
