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