多维时序 | Matlab实现CNN-RVM卷积神经网络结合相关向量机多变量时间序列预测
效果一览
基本介绍
Matlab实现CNN-RVM卷积神经网络结合相关向量机多变量时间序列预测（完整源码和数据）
1.Matlab实现CNN-RVM卷积神经网络结合相关向量机多变量时间序列预测；
2.运行环境为Matlab2021b；
3.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；
4.data为数据集，main.m为主程序，运行即可,所有文件放在一个文件夹；
5.命令窗口输出R2、MSE、RMSE、MAE、MAPE多指标评价。
6.程序语言为matlab，程序可出预测效果图，误差分析图，相关分析图;
程序设计
- 完整程序和数据下载方式资源处下载：Matlab实现CNN-RVM卷积神经网络结合相关向量机多变量时间序列预测。
% 训练集和测试集划分 %% 来自：CSDN《机器学习之心》
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);
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718
