【Transformer多变量时序多步预测】Transformer多变量时间序列多步预测,多变量输入模型。matlab代码,2023b及其以上。
1.多变量时间序列多步预测数据集(带数据集),采用前48个时刻的特征和负荷数据来预测未来48个时刻的负荷数据。
2. 预测多步步长,这里是预测未来2天,一天24个样本点的发电功率。滑动窗口是24,也就是1天的数据。意思就是用1~2天的数据预测第3-4天(24个小时)的发电功率。
评价指标包括:R2、MAE、MSE、RMSE和MAPE等,代码质量极高,方便学习和替换数据。参数可方便更改,程序和excel数据放在一个文件夹,注释明细。
%% 优化算法优化前,构建优化前的TCN模型
numChannels = or_dim;
maxPosition = 256*2;
numHeads = 4;
numKeyChannels = numHeads*32;
layers = [
sequenceInputLayer(numChannels,Name="input")
positionEmbeddingLayer(numChannels,maxPosition,Name="pos-emb");
additionLayer(2, Name="add")
selfAttentionLayer(numHeads,numKeyChannels,'AttentionMask','causal')
selfAttentionLayer(numHeads,numKeyChannels)
indexing1dLayer("last")
fullyConnectedLayer(n_out)
regressionLayer];
lgraph = layerGraph(layers);
lgraph = connectLayers(lgraph,"input","add/in2");
智能算法及其模型预测