基于CNN-BiLSTM-Attention的多变量时间序列预测

matlab R2023B以上

1.数据集描述

2.CNN-BiLSTM-Attention网络

CNN-BiLSTM-Attention网络在时间序列预测中的应用，结合了局部特征提取、全局依赖关系建模和动态特征选择的优势，综合使用CNN、BiLSTM和Attention，可以显著提高时间序列预测的精度，相比于单一模型更具鲁棒性和灵活性，能够提供更加准确和可靠的预测结果。

3.模型预测效果

4.代码获取

感兴趣的朋友可以关注下面最后一行

%%  参数设置
options = trainingOptions('adam', ...      % Adam 梯度下降算法
    'MaxEpochs', 200, ...                 % 最大迭代次数
    'InitialLearnRate', 1e-2, ...          % 初始学习率为0.01
    'LearnRateSchedule', 'piecewise', ...  % 学习率下降
    'LearnRateDropFactor', 0.1, ...        % 学习率下降因子 0.5
    'LearnRateDropPeriod', 400, ...        % 经过700次训练后 学习率为 0.01 * 0.1
    'Shuffle', 'every-epoch', ...          % 每次训练打乱数据集
    'Plots', 'training-progress', ...      % 画出曲线
    'Verbose', false, ...
    'ExecutionEnvironment','auto');

%%  训练模型
net = trainNetwork(Lp_train, t_train, lgraph, options);

%% https://mbd.pub/o/bread/mbd-ZpmUkp9r