时序预测 | Matlab基于Transformer多变量时间序列多步预测

效果一览

基本介绍

1.Matlab基于Transformer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多变量时间序列多步预测。

在单 GPU 上训练。
｜＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝｜
｜　　轮　　｜　　迭代　　｜　　　　经过的时间　　　　　｜　　小批量　ＲＭＳＥ　　｜　　小批量损失　　｜　　基础学习率　　｜
｜　　　　　｜　　　　　　｜　　（ｈｈ：ｍｍ：ｓｓ）　　｜　　　　　　　　　　　　｜　　　　　　　　　｜　　　　　　　　　｜
｜＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝｜
｜　　　１　｜　　　　１　｜　　　　　００：００：００　｜　　　　　　　５．５２　｜　　　　１５．２　｜　　０．００１０　｜
｜　　１０　｜　　　５０　｜　　　　　００：００：０２　｜　　　　　　　４．５５　｜　　　　１０．４　｜　　０．００１０　｜
｜　　２０　｜　　１００　｜　　　　　００：００：０４　｜　　　　　　　１．５７　｜　　　　　１．２　｜　　０．００１０　｜
｜　　３０　｜　　１５０　｜　　　　　００：００：０７　｜　　　　　　　１．５４　｜　　　　　１．２　｜　　０．００１０　｜
｜　　４０　｜　　２００　｜　　　　　００：００：０９　｜　　　　　　　０．８１　｜　　　　　０．３　｜　　０．００１０　｜
｜　　５０　｜　　２５０　｜　　　　　００：００：１１　｜　　　　　　　１．１９　｜　　　　　０．７　｜　　０．００１０　｜
｜＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝｜
训练结束: 已完成最大轮数。
历时 12.257705 秒。
1.均方差(MSE)：76636.1226
2.根均方差(RMSE)：276.8323
3.平均绝对误差（MAE）：226.3397
4.平均相对百分误差（MAPE）：5.2361%
5.R2：90.0432%MAE        MAPE       MSE      RMSE       R^2  ______    ________    _____    ______    _______Transformer    226.34    0.052361    76636    276.83    0.90043%% Set the hyper parameters for unet training
options0 = trainingOptions('adam', ...                 % 优化算法Adam'MaxEpochs', 150, ...                            % 最大训练次数'GradientThreshold', 1, ...                       % 梯度阈值'InitialLearnRate', 0.01, ...         % 初始学习率'LearnRateSchedule', 'piecewise', ...             % 学习率调整'LearnRateDropPeriod',100, ...                   % 训练100次后开始调整学习率'LearnRateDropFactor',0.01, ...                    % 学习率调整因子'L2Regularization', 0.001, ...         % 正则化参数'ExecutionEnvironment', 'cpu',...                 % 训练环境'Verbose', 1, ...                                 % 关闭优化过程'Plots', 'none');                    % 画出曲线

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