适用平台：Matlab2023版及以上
完整代码：https://mbd.pub/o/bread/mbd-ZZiZlJpv
膨胀因果卷积：与因果卷积相比，膨胀因果卷积多了一个用来表示扩张大小的参数——扩张率（dilationrate）。这使得扩张卷积具有更大的感受野（receptivefield），这样每个卷积输出可包含更大时间范围的信息。采用扩张卷积的优势在于，对于相同长度的输入层时间序列，扩张卷积可通过更少的网络层数获得输出。这样一来，对于需获取更长时间信息的时间序列问题，可避免普通卷积由于层数过多而带来梯度消失、训练复杂等问题。扩张卷积的结构如下图所示。
BiTCN-BiGRU-Attention多变量预测模型创新点总结：
创新点①膨胀因果卷积：为了更好地获取风电系列的长期依赖关系，BiTCN模型采用了双向膨胀因果卷积，引入双向扩张因子使卷积核的感知野不断扩大，从而获得更大的感受野。这种结构增强了信息提取能力，提高了特征提取的质量。
创新点④递归堆叠：模型中可以通过递归地堆叠多个 BiTCN 模块来提高模型的表达能力。递归堆叠允许模型在不同抽象层次上逐步提取和融合特征，从而更好地预测时间序列。
创新点⑥Attention自注意力机制：在BiTCN-Attention中，自注意力层被嵌入到BiTCN层中，自注意力层用于捕捉时间序列数据中的全局依赖关系，自注意力机制允许网络在学习时动态地调整各个时间步的权重，以便更好地捕捉长期依赖和全局模式。
程序数据集格式：
预测值与实际值对比：
评价指标结果:
%% 设置BiTCN-BiGRU-Attention网络参数numFilters = 16; % 卷积核个数filterSize = 3; % 卷积核大小dropoutFactor = 0.2 ; % 空间丢失因子numBlocks = 1; % 残差块个数numFeatures = 18; % 特征个数% 创建输入层layer = sequenceInputLayer(numFeatures, Normalization = "rescale-symmetric", Name = "input");% 创建网络图lgraph = layerGraph(layer);outputName = layer.Name;% 建立网络结构 -- 残差块for i = 1 : numBlocks% 膨胀因子dilationFactor = 2^(i-1);% 创建TCN正向支路layers = [convolution1dLayer(filterSize, numFilters, DilationFactor = dilationFactor, Padding = "causal", Name="conv1_" + i) % 一维卷积层layerNormalizationLayer % 层归一化spatialDropoutLayer(dropoutFactor) % 空间丢弃层convolution1dLayer(filterSize, numFilters, DilationFactor = dilationFactor, Padding = "causal") % 一维卷积层layerNormalizationLayer % 层归一化reluLayer % 激活层spatialDropoutLayer(dropoutFactor) % 空间丢弃层additionLayer(4, Name = "add_" + i)];% 添加残差块到网络lgraph = addLayers(lgraph, layers);% 连接卷积层到残差块lgraph = connectLayers(lgraph, outputName, "conv1_" + i);% 创建 TCN反向支路flip网络结构Fliplayers = [FlipLayer("flip_" + i) % 反向翻转convolution1dLayer(1, numFilters, Name = "convSkip_"+i); % 反向残差连接convolution1dLayer(filterSize, numFilters, DilationFactor = dilationFactor, Padding = "causal", Name="conv2_" + i) % 一维卷积层layerNormalizationLayer % 层归一化spatialDropoutLayer(dropoutFactor) % 空间丢弃层convolution1dLayer(filterSize, numFilters, DilationFactor = dilationFactor, Padding = "causal") % 一维卷积层layerNormalizationLayer % 层归一化reluLayer % 激活层spatialDropoutLayer(dropoutFactor, Name="drop" + i) % 空间丢弃层];% 添加 flip 网络结构到网络lgraph = addLayers(lgraph, Fliplayers);
部分图片来源于网络，侵权联系删除！
完整代码：https://mbd.pub/o/bread/mbd-ZZiZlJpv
欢迎感兴趣的小伙伴点击左下角“阅读原文”或上方链接获得完整版代码哦~
