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：聚划算！一区算法！双分解+牛顿拉夫逊优化+深度学习！CEEMDAN-VMD-NRBO-Transformer多元时序预测
1
基本介绍
1.Matlab实现CEEMDAN-Kmeans-VMD-NRBO-Transformer融合K均值聚类的数据双重分解+牛顿-拉夫逊优化算法+Transformer多元时间序列预测（完整源码和数据）运行环境Matlab2023b及以上。
2.CEEMDAN分解，计算样本熵，根据样本熵进行kmeans聚类，调用VMD对高频分量二次分解， VMD分解的高频分量与前分量作为NRBO-Transformer模型的目标输出分别预测后相加。
3.多变量单输出，考虑历史特征的影响！评价指标包括R2、MAE、RMSE、MAPE等。
4.算法新颖。⑴ CEEMDAN模型处理高频数据，具有更高的准确率，能够跟踪数据的趋势以及变化。⑵ VMD 模型处理非线性、非平稳以及复杂的数据，表现得比EMD系列更好，因此将重构的数据通过VMD模型分解，提高了模型的准确度。（3）NRBO算法优化参数为自注意力机制头数、正则化系数、学习率!
5.直接替换Excel数据即可用，数据集为excel（光伏功率数据集，输入辐射度、气温、气压、湿度，输出光伏功率），注释清晰，适合新手小白，直接运行主文件一键出图。
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1
参考文献2
参考文献3
参考文献4
2
数据集
2.2
运行效果
完整代码链接：https://mbd.pub/o/bread/mbd-Z5ickpZv
也可扫描二维码：
3
%% 清空环境变量warning off % 关闭报警信息close all % 关闭开启的图窗clear % 清空变量clc % 清空命令行%% 划分训练集和测试集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);%% 数据平铺P_train = double(reshape(P_train, f_, 1, 1, M));P_test = double(reshape(P_test , f_, 1, 1, N));t_train = t_train';t_test = t_test' ;%% 数据格式转换for i = 1 : Mp_train{i, 1} = P_train(:, :, 1, i);endfor i = 1 : Np_test{i, 1} = P_test( :, :, 1, i);end%% 参数设置options = trainingOptions('adam', ... % Adam 梯度下降算法'MaxEpochs', 100, ... % 最大训练次数'InitialLearnRate', 0.01, ... % 初始学习率为0.01'LearnRateSchedule', 'piecewise', ... % 学习率下降'LearnRateDropFactor', 0.1, ... % 学习率下降因子 0.1'LearnRateDropPeriod', 70, ... % 经过训练后 学习率为 0.01*0.1'Shuffle', 'every-epoch', ... % 每次训练打乱数据集'Verbose', 1);figuresubplot(2,1,1)plot(T_train,'k--','LineWidth',1.5);hold onplot(T_sim_a','r-','LineWidth',1.5)
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
