高端网站建设 n磐石网络,长沙城乡建设部网站首页,做网站jijianjianzhan,我的南京网站多维时序 | Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测 目录 多维时序 | Matlab实现TCN-RVM时间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程序设计参考资料 效果一览 基本介绍 Matlab实现TCN-RVM时间卷积神经网络结合相关向量机…多维时序 | Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测 目录 多维时序 | Matlab实现TCN-RVM时间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程序设计参考资料 效果一览 基本介绍 Matlab实现TCN-RVM时间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TCN-RVM时间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TCN-RVM时间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);%% 绘制线性拟合图
%% 训练集拟合效果图
figure
plot(T_train,T_sim1,o,Markersize,7);
xlabel(真实值)
ylabel(预测值)
string {训练集效果图;[R^2_c num2str(R1) RMSEC num2str(rmse1) ]};
title(string)
hold on ;hlsline;
set(h,LineWidth,2,LineStyle,-,Color,[1 0 0])
%% 预测集拟合效果图
figure
plot(T_test,T_sim2,o,Markersize,7);
xlabel(真实值)
ylabel(预测值)
string1 {测试集效果图;[R^2_p num2str(R2) RMSEP num2str(rmse2) ]};
title(string1)
hold on ;hlsline();
set(h,LineWidth,2,LineStyle,-,Color,[1 0 0])
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129215161 [2] https://blog.csdn.net/kjm13182345320/article/details/128105718
