SCI一区级 | Matlab实现BO-Transformer-LSTM时间序列预测

机器学习之心

于 2024-07-02 23:14:49 发布

阅读量819

点赞数 10

分类专栏：时序预测文章标签： matlab transformer lstm 贝叶斯优化

本文链接：https://blog.csdn.net/kjm13182345320/article/details/140138634

版权

时序预测专栏收录该内容

475 篇文章 434 订阅

订阅专栏

SCI一区级 | Matlab实现BO-Transformer-LSTM时间序列预测

效果一览

在这里插入图片描述

基本介绍

1.【SCI一区级】Matlab实现BO-Transformer-LSTM时间序列预测，贝叶斯优化Transformer结合LSTM长短期记忆神经网络时间序列预测，BO-Transformer-LSTM/Bayes-Transformer-LSTM（程序可以作为SCI一区级论文代码支撑，目前尚未发表），购买后可加私信博主咨询交流。注意：其他非官方渠道获得的盗版代码不含模型咨询交流服务，大家注意甄别，谢谢。

2.贝叶斯优化参数为：学习率，LSTM隐含层节点，正则化参数，运行环境为Matlab2023b及以上；

3.data为数据集，输入输出单个变量，一维时间序列预测，main.m为主程序，运行即可,所有文件放在一个文件夹；

4.命令窗口输出R2、MSE、RMSE、MAE、MAPE、MBE等多指标评价；

在这里插入图片描述

程序设计

完整程序和数据下载私信博主回复Matlab实现BO-Transformer-LSTM时间序列预测。



%%  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

%%  导入数据
result = xlsread('data.xlsx');

%%  数据分析


%%  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 : M
    p_train{i, 1} = P_train(:, :, 1, i);
end

for i = 1 : N
    p_test{i, 1}  = P_test( :, :, 1, i);
end


%%  创建待优化函数
ObjFcn = @BOFunction;

%%  贝叶斯优化参数范围
optimVars = [

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502