负荷预测 | Matlab基于Transformer-LSTM多变量时间序列多步预测

目录

• • • 效果一览
    • 基本介绍
    • 程序设计
    • 参考资料

效果一览

基本介绍

1.Matlab基于Transformer-LSTM多变量时间序列多步预测；
2.多变量时间序列数据集（负荷数据集），采用前96*2个时刻预测的特征和负荷数据预测未来96个时刻的负荷数据；
3.excel数据方便替换，运行环境matlab2023及以上，展示最后96个时间步的预测对比图，评价指标MAE、MAPE、RMSE、MSE、R2；
注：程序和数据放在一个文件夹。
4.程序语言为matlab，程序可出预测效果图，指标图;
5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

程序设计

• 完整程序和数据获取方式私信博主回复Matlab基于Transformer-LSTM多变量时间序列多步预测。

 %  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 ​ for i = 1:size(p_train,2)     trainD{i,:} = (reshape(p_train(:,i),or_dim,[])); end ​ ​ ​ for i = 1:size(p_test,2)     testD{i,:} = (reshape(p_test(:,i),or_dim,[])); end ​ ​ targetD =  t_train'; targetD_test  =  t_test'; ​ %% 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") options = trainingOptions(solver, ...     'Plots','none', ...     'MaxEpochs', maxEpochs, ...     'MiniBatchSize', miniBatchSize, ...     'Shuffle', shuffle, ...     'InitialLearnRate', learningRate, ...     'GradientThreshold', gradientThreshold, ...     'ExecutionEnvironment', executionEnvironment); ​ 

参考资料

[1] http://t.csdn.cn/pCWSp
[2] https://download.csdn.net/download/kjm13182345320/87568090?spm=1001.2014.3001.5501
[3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm=1001.2014.3001.5501