时序预测 | Matlab基于Transformer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
相关文章：
时序预测 | Matlab基于Transformer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…...
suuk-s.php.jpg-python 库劫持
做virtualBox的端口映射吧 suukmedim文件白名单绕过、反弹shell、$paht环境变量更改、python 库劫持提权、Reptile提权、sandfly-processdecloak使用 服务扫描 ┌──(kali㉿kali)-[~] └─$ sudo nmap -sV -A -T 4 -p 22,80 192.168.18.238GetSHell 访问80http://192.168.…...
python3GUI--ktv点歌软件By:PyQt5（附下载地址）
文章目录 一．前言二．展示1.启动2.搜索2.服务1.首页2.天气预报3.酒水饮料4.酒水饮料2 3.服务4.灯光5.调音6.排行榜7.分类点歌9.歌手点歌10.歌手个人页 三．心得体会1.关于代码2.关于设计3.关于打包 四．总结 文件大小：33.…...
opencascade AIS_InteractiveContext源码学习2
AIS_InteractiveContext 前言 交互上下文（Interactive Context）允许您在一个或多个视图器中管理交互对象的图形行为和选择。类方法使这一操作非常透明。需要记住的是，对于已经被交互上下文识别的交互对象，必须使用上下文方法进行…...
函数详解)
scale()函数详解
scale()函数是R语言中用于标准化和中心化数据的一个函数。这个函数通常用于数据预处理，以便于后续的分析和建模。下面是对scale()函数的详细介绍： 用法 scale(x, center TRUE, scale TRUE)参数 x: 一个数值型向量、矩阵或数据框，是需要进…...
计算机基础学习有多重要？学哪些？如何学？
计算机基础是我们计算机生涯的开始，而对大学生来说，基础是一方面，更重要的是应对面试。这样说吧，校招：计算机基础占90%，专业知识占10%，社招：计算机基础占20%，专业知识占8…...
Oracle day9
------------------------------------------------------------------------------------ --创建用户 create user test1 identified by 123456; create user ZJun identified by 888888; --授予权限 grant create session to test1; grant create session to ZJun; --删除用…...
Race Condition竞争条件
Race Condition Question – why was there no race condition in the first solution (where at most N – 1) buffers can be filled?Processes P0 and P1 are creating child processes using the fork() system callRace condition on kernel variable next_available_pid…...
docker 删除本地镜像释放磁盘空间
时间一长，本地镜像文件特别多： 1 linux 配置crontab 定期删除 crontab l 查看 crontab e 编辑 30 3 * * * /home/mqq/gengmingming/cleanImage-realize.sh > /home/mqq/gengmingming/cleanImage-realize.log 2>&12 cleanImage-realize.sh …...
JVM中的垃圾回收器
文章目录 垃圾回收器发展史垃圾回收器分类按线程数分类按工作模式分类按处理方式分类 查看默认垃圾收集器评估垃圾回收器性能指标吞吐量暂停时间吞吐量对比暂停时间 7种经典的垃圾回收器垃圾回收器与垃圾分代垃圾收集器的组合关系Serial GCParNew GCParallel Scavenge GCSerial…...
记录一些可用的AI工具网站
记录一些可用的AI工具网站 AI对话大模型AI图片生成AI乐曲生成AI视频生成AI音频分离 AI对话大模型 当前时代巅峰，Microsoft Copilot：https://copilot.microsoft.com AI图片生成 stable diffusion模型资源分享社区，civitai：https…...
vue3页面传参
一，用query传参 方法： router.push({path: ‘路由地址’, query: ‘参数’}) 例子：a页面携带参数跳转到b页面并且b页面拿到a页面传递过来的参数 在路由router.ts配置 a页面： <template><div >a页面</div>…...
QNX OS微内核系统
微内核架构 微内核（Microkernel）架构是一种操作系统架构模式，其核心思想是尽量将操作系统的基本功能压缩在最小的核心中，而将其他服务（如设备驱动、文件系统、网络协议等）放在用户空间中运行，从而增加系统的灵活性和安全性，这种架构有几个主要特点和优势： 最小化核心…...
ViT：5 Knowledge Distillation
实时了解业内动态，论文是最好的桥梁，专栏精选论文重点解读热点论文，围绕着行业实践和工程量产。若在某个环节出现卡点，可以回到大模型必备腔调或者LLM背后的基础模型重新阅读。而最新科技（Mamba,xLSTM,KAN）…...
2024头歌数据库期末综合（部分题）
目录 第7关：数据查询三 任务描述 知识补充 答案 第8关：数据查询四 任务描述 知识补充 答案 本篇博客声明：所有题的答案不在一起，可以去作者博客专栏寻找其它文章。 第7关：数据查询三 任务描述 本关任务&#x…...
【Flask】学习
参考B站视频：https://www.bilibili.com/video/BV1v7411M7us/ 目录 第一讲 什么是 flask 修饰器、路由规则 flask 变量规则，灵活传参数据类型：str、int、float（正浮点数，传int会报错）、path、uuid app.…...
图像数字化基础
一、像素 1、获取图像指定位置的像素 import cv2 image cv2.imread("E:\\images\\2.png") px image[291,218] print("坐标(291,218)上的像素的BGR值是：",px) （1）RGB色彩空间 R通道：红色通道 G通道&…...
让你的Python代码更简洁：一篇文章带你了解Python列表推导式
文章目录 📖 介绍 📖🏡 演示环境 🏡📒 列表推导式 📒📝 语法📝 条件筛选📝 多重循环📝 列表推导式的优点📝 使用场景📝 示例代码🎯 示例1🎯 示例2⚓️ 相关链接 ⚓️📖 介绍 📖 在Python编程中，列表推导式是一种强大且高效的语法，它允许你用…...
基于Matlab的BP神经网络的车牌识别系统（含GUI界面）【W7】
简介： 本系统结合了图像处理技术和机器学习方法（BP神经网络），能够有效地实现车牌的自动识别。通过预处理、精确定位、字符分割和神经网络识别，系统能够准确地识别各种车牌图像，并在智能交通管理、安防监控等…...
jetpack compose的@Preview和自定义主题
1.Preview Preview可以在 Android Studio 的预览窗口中实时查看和调试 UI 组件。 基本使用 import androidx.compose.foundation.layout.fillMaxSize import androidx.compose.material.MaterialTheme import androidx.compose.material.Surface import androidx.compose.ma…...
Zustand 状态管理库：极简而强大的解决方案
Zustand 是一个轻量级、快速和可扩展的状态管理库，特别适合 React 应用。它以简洁的 API 和高效的性能解决了 Redux 等状态管理方案中的繁琐问题。 核心优势对比 基本使用指南 1. 创建 Store // store.js import create from zustandconst useStore create((set)…...
多场景 OkHttpClient 管理器 - Android 网络通信解决方案
下面是一个完整的 Android 实现，展示如何创建和管理多个 OkHttpClient 实例，分别用于长连接、普通 HTTP 请求和文件下载场景。 <?xml version"1.0" encoding"utf-8"?> <LinearLayout xmlns:android"http://schemas…...
css的定位（position）详解：相对定位 绝对定位 固定定位
在 CSS 中，元素的定位通过 position 属性控制，共有 5 种定位模式：static（静态定位）、relative（相对定位）、absolute（绝对定位）、fixed（固定定位）和…...
MySQL 8.0 OCP 英文题库解析（十三）
Oracle 为庆祝 MySQL 30 周年，截止到 2025.07.31 之前。所有人均可以免费考取原价245美元的MySQL OCP 认证。 从今天开始，将英文题库免费公布出来，并进行解析，帮助大家在一个月之内轻松通过OCP认证。 本期公布试题111~120 试题1…...
NLP学习路线图（二十三）：长短期记忆网络（LSTM）
在自然语言处理（NLP）领域，我们时刻面临着处理序列数据的核心挑战。无论是理解句子的结构、分析文本的情感，还是实现语言的翻译，都需要模型能够捕捉词语之间依时序产生的复杂依赖关系。传统的神经网络结构在处理这种序列依赖时显得力不从心，而循环神经网络（RNN） 曾被视为…...
关键领域软件测试的突围之路：如何破解安全与效率的平衡难题
在数字化浪潮席卷全球的今天，软件系统已成为国家关键领域的核心战斗力。不同于普通商业软件，这些承载着国家安全使命的软件系统面临着前所未有的质量挑战——如何在确保绝对安全的前提下，实现高效测试与快速迭代？这一命题正考验着…...
（一）单例模式
一、前言 单例模式属于六大创建型模式，即在软件设计过程中，主要关注创建对象的结果，并不关心创建对象的过程及细节。创建型设计模式将类对象的实例化过程进行抽象化接口设计，从而隐藏了类对象的实例是如何被创建的，封装了软件系统使用的具体对象类型。 六大创建型模式包括…...
为什么要创建 Vue 实例
核心原因：Vue 需要一个「控制中心」来驱动整个应用 你可以把 Vue 实例想象成你应用的**「大脑」或「引擎」。它负责协调模板、数据、逻辑和行为，将它们变成一个活的、可交互的应用**。没有这个实例，你的代码只是一堆静态的 HTML、JavaScript 变量和函数，无法「活」起来。 …...
tomcat指定使用的jdk版本
说明 有时候需要对tomcat配置指定的jdk版本号，此时，我们可以通过以下方式进行配置 设置方式 找到tomcat的bin目录中的setclasspath.bat。如果是linux系统则是setclasspath.sh set JAVA_HOMEC:\Program Files\Java\jdk8 set JRE_HOMEC:\Program Files…...
快速排序算法改进:随机快排-荷兰国旗划分详解
随机快速排序-荷兰国旗划分算法详解 一、基础知识回顾1.1 快速排序简介1.2 荷兰国旗问题 二、随机快排 - 荷兰国旗划分原理2.1 随机化枢轴选择2.2 荷兰国旗划分过程2.3 结合随机快排与荷兰国旗划分 三、代码实现3.1 Python实现3.2 Java实现3.3 C实现 四、性能分析4.1 时间复杂度…...