当前位置: 首页 > news >正文

多维时序 | Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测

多维时序 | Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测

目录

    • 多维时序 | Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测
      • 预测效果
      • 基本介绍
      • 程序设计
      • 参考资料

预测效果

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

基本介绍

Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测(完整程序和数据)
1.先运行vmdtest,进行vmd分解;
2.再运行VMD-DBO-GRU,三个模型对比;
3.运行环境Matlab2020及以上。

  • VMD-DBO-GRU:变分模态分解结合蜣螂算法优化门控循环单元;
  • VMD-GRU:变分模态分解结合门控循环单元;
  • GRU:门控循环单元。

程序设计

  • 完整程序和数据获取方式:私信博主回复Matlab实现基于VMD-DBO-GRU、VMD-GRU、GRU的多变量时间序列预测
clc;clear;close all;format compact
tic
clc
clear all
fs=1;%采样频率,即时间序列两个数据之间的时间间隔,这里间隔1h采样
Ts=1/fs;%采样周期X = xlsread('北半球光伏数据.xlsx','C2:E296');save origin_data XL=length(X);%采样点数,即有多少个数据
t=(0:L-1)*Ts;%时间序列
STA=0; %采样起始位置,这里第0h开始采样%--------- some sample parameters forVMD:对于VMD样品参数进行设置---------------
alpha = 2500;       % moderate bandwidth constraint:适度的带宽约束/惩罚因子
tau = 0;          % noise-tolerance (no strict fidelity enforcement):噪声容限(没有严格的保真度执行)
K = 5;              % modes:分解的模态数
DC = 0;             % no DC part imposed:无直流部分
init = 1;           % initialize omegas uniformly  :omegas的均匀初始化
tol = 1e-7         
%--------------- Run actual VMD code:数据进行vmd分解---------------------------
[u, u_hat, omega] = VMD(X(:,end), alpha, tau, K, DC, init, tol);
%  参数设置
options = trainingOptions('adam', ...                 % 优化算法Adam'MaxEpochs', 70, ...                              % 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', 60, ...                    % 训练850次后开始调整学习率'LearnRateDropFactor',0.2, ...                    % 学习率调整因子'L2Regularization', 0.01, ...                     % 正则化参数'ExecutionEnvironment', 'cpu',...                 % 训练环境'Verbose', 0, ...                                 % 关闭优化过程'Plots', 'training-progress');                    % 画出曲线%  训练
net = trainNetwork(vp_train, vt_train, layers, options);
%analyzeNetwork(net);% 查看网络结构

参考资料

[1] https://blog.csdn.net/kjm13182345320/category_11799242.html?spm=1001.2014.3001.5482
[2] https://blog.csdn.net/kjm13182345320/article/details/124571691

相关文章:

  • 【PostgreSQL】PostgreSQL详细介绍
  • 怎么才能快速准确地全面地了解一个陌生的行业?
  • matlab经验模式分解的R波检测算法
  • 图像压缩感知的MATLAB实现(OMP)
  • 外包干了3个月,技术倒退1年。。。
  • 操作系统——处理机调度
  • 如何实现一个K8S DevicePlugin?
  • 韩国服务器托管的性能及成本情况
  • Nginx使用
  • 力扣用例题:2的幂
  • 【春运抢票攻略浅析】
  • 百度统计如何添加网站获得代码?百度统计代码加在哪里?
  • 事务的隔离级别(高频面试题)
  • 【Java程序设计】【C00282】基于Springboot的校园台球厅人员与设备管理系统(有论文)
  • 解决vulhub漏洞环境下载慢卡死问题即解决docker-valhub漏洞环境下载慢的问题
  • 自己简单写的 事件订阅机制
  • [微信小程序] 使用ES6特性Class后出现编译异常
  • angular2 简述
  • ECS应用管理最佳实践
  • fetch 从初识到应用
  • Python打包系统简单入门
  • springMvc学习笔记(2)
  • Vue UI框架库开发介绍
  • 开源地图数据可视化库——mapnik
  • 快速构建spring-cloud+sleuth+rabbit+ zipkin+es+kibana+grafana日志跟踪平台
  • 如何使用 OAuth 2.0 将 LinkedIn 集成入 iOS 应用
  • 深度学习入门:10门免费线上课程推荐
  • 使用Swoole加速Laravel(正式环境中)
  • TPG领衔财团投资轻奢珠宝品牌APM Monaco
  • #《AI中文版》V3 第 1 章 概述
  • $(document).ready(function(){}), $().ready(function(){})和$(function(){})三者区别
  • $con= MySQL有关填空题_2015年计算机二级考试《MySQL》提高练习题(10)
  • (C语言)逆序输出字符串
  • (delphi11最新学习资料) Object Pascal 学习笔记---第5章第5节(delphi中的指针)
  • (PyTorch)TCN和RNN/LSTM/GRU结合实现时间序列预测
  • (vue)el-checkbox 实现展示区分 label 和 value(展示值与选中获取值需不同)
  • (附源码)springboot“微印象”在线打印预约系统 毕业设计 061642
  • (十)c52学习之旅-定时器实验
  • ****Linux下Mysql的安装和配置
  • .MyFile@waifu.club.wis.mkp勒索病毒数据怎么处理|数据解密恢复
  • .NET MVC 验证码
  • .net 生成二级域名
  • .net6+aspose.words导出word并转pdf
  • .Net小白的大学四年,内含面经
  • @ModelAttribute使用详解
  • @RunWith注解作用
  • [ C++ ] STL_vector -- 迭代器失效问题
  • [Android]How to use FFmpeg to decode Android f...
  • [echarts] y轴不显示0
  • [excel与dict] python 读取excel内容并放入字典、将字典内容写入 excel文件
  • [HEOI2013]ALO
  • [HJ56 完全数计算]
  • [Linux](15)线程基础,线程控制,线程的互斥与同步
  • [linux学习]apt-get参数解析
  • [paddle]ModuleNotFoundError: No module named ‘paddle.nn.layer.layers