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
  • 4月23日世界读书日 网络营销论坛推荐《正在爆发的营销革命》
  • es6(二):字符串的扩展
  • ES6--对象的扩展
  • exports和module.exports
  • FineReport中如何实现自动滚屏效果
  • happypack两次报错的问题
  • IE报vuex requires a Promise polyfill in this browser问题解决
  • JavaScript-Array类型
  • oldjun 检测网站的经验
  • overflow: hidden IE7无效
  • React as a UI Runtime(五、列表)
  • Solarized Scheme
  • UEditor初始化失败(实例已存在,但视图未渲染出来,单页化)
  • Vue源码解析(二)Vue的双向绑定讲解及实现
  • 成为一名优秀的Developer的书单
  • 精益 React 学习指南 (Lean React)- 1.5 React 与 DOM
  • 使用Tinker来调试Laravel应用程序的数据以及使用Tinker一些总结
  • 思考 CSS 架构
  • 栈实现走出迷宫(C++)
  • 找一份好的前端工作,起点很重要
  • Java数据解析之JSON
  • Mac 上flink的安装与启动
  • MPAndroidChart 教程:Y轴 YAxis
  • Play Store发现SimBad恶意软件,1.5亿Android用户成受害者 ...
  • ​油烟净化器电源安全,保障健康餐饮生活
  • ​云纳万物 · 数皆有言|2021 七牛云战略发布会启幕,邀您赴约
  • #Lua:Lua调用C++生成的DLL库
  • (02)Hive SQL编译成MapReduce任务的过程
  • (Arcgis)Python编程批量将HDF5文件转换为TIFF格式并应用地理转换和投影信息
  • (NSDate) 时间 (time )比较
  • (第61天)多租户架构(CDB/PDB)
  • (附源码)ssm基于web技术的医务志愿者管理系统 毕业设计 100910
  • (附源码)计算机毕业设计SSM在线影视购票系统
  • (五)关系数据库标准语言SQL
  • (转)人的集合论——移山之道
  • (轉貼) UML中文FAQ (OO) (UML)
  • .NET 动态调用WebService + WSE + UsernameToken
  • .net 开发怎么实现前后端分离_前后端分离:分离式开发和一体式发布
  • .netcore如何运行环境安装到Linux服务器
  • .NET分布式缓存Memcached从入门到实战