机器学习之心的博客，关注并私信文章链接，获取对应文章源码和数据。

1.风电功率预测，EMD-LSTM风电功率预测(单变量)（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：EMD-LSTM模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

风电功率预测，LSTM风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，LSTM风电功率预测(单变量)（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：LSTM模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

风电功率预测，EMD-CNN-LSTM风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，EMD-CNN-LSTM风电功率预测，单变量（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：EMD-CNN-LSTM模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

SVM、SSA-SVM、ISSA-SVM、KPCA-ISSA-SVM四个模型的分类预测对比Matlab完整代码和数据

Matlab实现KPCA-ISSA-SVM基于核主成分分析和改进麻雀优化算法优化支持向量机分类预测(可用于故障诊断等方面)MATLAB代码,运行环境matlab2018及以上。 ❶含SVM、SSA-SVM、ISSA-SVM、KPCA-ISSA-SVM，四个模型的对比。经过降维后利用改进蜣螂算法优化LSSVM参数为：sig，gamma。 ❷改进策略：融合柯西变异和反向学习的改进麻雀算法可提高收敛率，促进算法寻优。 ❸可出分类效果图，迭代优化图，混淆矩阵 ❹代码中文注释清晰，质量极高 ❺赠送数据集，可以直接运行源程序。

2025-07-10

风电功率预测，EMD-CNN-GRU风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，EMD-CNN-GRU风电功率预测，并行模型(单变量)（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：EMD-CNN-GRU模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-06

风电功率预测，CEEMDAN-LSTM-Attention多特征风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，CEEMDAN-LSTM-Attention多特征风电功率预测（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：CEEMDAN-LSTM-Attention模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-06

风电功率预测，Transformer-BiLSTM多特征风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，Transformer-BiLSTM多特征风电功率预测（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：Transformer-BiLSTM模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-06

NRBO-FMD基于牛顿拉夫逊算法优化特征模态分解（Matlab完整源码和数据）

NRBO-FMD基于牛顿拉夫逊算法优化特征模态分解（Matlab完整源码和数据）该MATLAB代码实现了NRBO-FMD基于牛顿拉夫逊算法优化特征模态分解，（NRBO-FMD），核心功能包括：信号分解：使用FMD（Frequency Modulated Decomposition）算法对一维信号进行自适应分解。参数优化：通过NRBO（一种优化算法）自动寻找FMD分解的最优滤波器参数和模态数量。多选择优化：支持6种不同的目标函数（包络熵、信息熵等）指导优化过程。结果可视化：绘制原始信号、优化迭代曲线、参数变化图及分解后的模态分量。

2025-07-12

GWO-FMD基于灰狼算法优化特征模态分解（Matlab完整源码和数据）

该MATLAB代码实现了基于GWO-FMD基于灰狼算法优化特征模态分解方法（GWO-FMD），核心功能包括：信号分解：使用FMD（Frequency Modulated Decomposition）算法对一维信号进行自适应分解。参数优化：通过GWO（一种优化算法）自动寻找FMD分解的最优滤波器参数和模态数量。多选择优化：支持6种不同的目标函数（包络熵、信息熵等）指导优化过程。结果可视化：绘制原始信号、优化迭代曲线、参数变化图及分解后的模态分量。

2025-07-12

风电功率预测，CNN-GRU风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，CNN-GRU风电功率预测（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：CNN-GRU模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-06-22

风电功率预测，TCN-GRU多特征风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，TCN-GRU多特征风电功率预测（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：TCN-GRU模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-06-22

瓦斯预测第1讲 LSTM神经网络结合SHAP可解释分析的瓦斯涌出量预测

瓦斯预测第1讲 LSTM神经网络结合SHAP可解释分析的瓦斯涌出量预测 PPT

2025-06-22

AOA-VMD-GRU和GRU故障诊断分类预测Matlab完整源码和数据

(1) main1_AOA_VMD.m 核心功能：使用阿基米德算法优化算法(AOA) 优化变分模态分解(VMD) 的关键参数（惩罚因子α和模态数K），对多通道信号进行自适应分解。关键步骤：用AOA优化VMD参数（最小化包络熵）用最优参数执行VMD分解绘制分解结果（IMF分量）读取4个Excel文件（0.xlsx~3.xlsx）的振动信号数据数据预处理（替换0值为4）对每个信号通道：保存原始信号和VMD分解结果 (2) main2_AOA_VMD_GRU.m 核心功能：对比普通GRU 和 AOA-VMD-GRU 在故障诊断中的性能：方案1：原始信号 → GRU分类方案2：VMD分解信号 → GRU分类关键步骤：普通GRU（20个隐藏单元） AOA-VMD-GRU（100个隐藏单元）加载main1生成的信号数据划分训练集/测试集（70%/30%）构建两个GRU模型：评估指标：准确率/精确率/召回率/F1分数绘制混淆矩阵和性能对比曲线依赖关系： main2 必须在main1之后运行，依赖其输出的x_data.mat（原始信号）和vmd_data.mat（VMD分解结果）技术流程：信号分解 → 特征提取 → 故障诊断模型构建 → 性能对比算法步骤 (1) AOA-VMD 优化流程（main1） for 每个信号通道 j in [1, d]: 设置AOA参数：种群数=10, 最大迭代=10 定义优化目标：最小化包络熵 fun(α,K) AOA搜索最优[α, K] 用最优(α,K)执行VMD分解绘制IMF分量保存原始信号 + 所有VMD结果 (2) 故障诊断流程（main2）普通GRU分支：加载原始信号x 数据归一化构建GRU网络（20个隐藏单元）训练+测试 → 计算指标

2025-06-15

AOA-VMD-BiLSTM和BiLSTM故障诊断分类预测Matlab完整源码和数据

(1) main1_AOA_VMD.m 核心功能：使用阿基米德算法算术优化算法(AOA) 优化变分模态分解(VMD) 的关键参数（惩罚因子α和模态数K），对多通道信号进行自适应分解。关键步骤：用AOA优化VMD参数（最小化包络熵）用最优参数执行VMD分解绘制分解结果（IMF分量）读取4个Excel文件（0.xlsx~3.xlsx）的振动信号数据数据预处理（替换0值为4）对每个信号通道：保存原始信号和VMD分解结果 (2) main2_AOA_VMD_BiLSTM.m 核心功能：对比普通BiLSTM 和 AOA-VMD-BiLSTM 在故障诊断中的性能：方案1：原始信号 → BiLSTM分类方案2：VMD分解信号 → BiLSTM分类关键步骤：普通BiLSTM（20个隐藏单元） AOA-VMD-BiLSTM（100个隐藏单元）加载main1生成的信号数据划分训练集/测试集（70%/30%）构建两个BiLSTM模型：评估指标：准确率/精确率/召回率/F1分数绘制混淆矩阵和性能对比曲线

2025-06-15

AOA-VMD-LSTM和LSTM故障诊断分类预测Matlab完整源码和数据

代码主要功能 (1) main1_AOA_VMD.m 核心功能：使用阿基米德算法优化算法(AOA) 优化变分模态分解(VMD) 的关键参数（惩罚因子α和模态数K），对多通道信号进行自适应分解。关键步骤：用AOA优化VMD参数（最小化包络熵）用最优参数执行VMD分解绘制分解结果（IMF分量）读取4个Excel文件（0.xlsx~3.xlsx）的振动信号数据数据预处理（替换0值为4）对每个信号通道：保存原始信号和VMD分解结果 (2) main2_AOA_VMD_LSTM.m 核心功能：对比普通LSTM 和 AOA-VMD-LSTM 在故障诊断中的性能：方案1：原始信号 → LSTM分类方案2：VMD分解信号 → LSTM分类关键步骤：普通LSTM（20个隐藏单元） AOA-VMD-LSTM（100个隐藏单元）加载main1生成的信号数据划分训练集/测试集（70%/30%）构建两个LSTM模型：评估指标：准确率/精确率/召回率/F1分数绘制混淆矩阵和性能对比曲线依赖关系： main2 必须在main1之后运行，依赖其输出的x_data.mat（原始信号）和vmd_data.mat（VMD分解结果）技术流程：信号分解 → 特征提取 → 故障诊断模型构建 → 性能对比

2025-06-15

光伏功率预测，GA-BP遗传算法优化BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据）

1.光伏功率预测，GA-BP遗传算法优化BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据） 2.数据集：北半球功率数据集； 3.环境准备：Matlab2020b版本及其以上，可读性强； 4.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-06-09

光伏功率预测，PSO-BP粒子群优化BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据）

1.光伏功率预测，PSO-BP粒子群优化BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据） 2.数据集：北半球功率数据集； 3.环境准备：Matlab2020b版本及其以上，可读性强； 4.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-06-09

CPO-SVR冠豪猪优化算法优化支持向量机回归多输入多输出预测（Matlab完整源码和数据）

Matlab实现CPO-SVR冠豪猪优化算法优化支持向量机回归多输入多输出预测（Matlab完整源码和数据） 1.data为数据集，4个输入特征，2个输出变量。 2.main.m为主程序文件。 3.命令窗口输出MAPE、MAE、RMSE和R2，可在下载区获取数据和程序内容。 4.附赠案例数据可直接运行，一键出图～注意程序和数据放在一个文件夹，运行环境为Matlab2023及以上。 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。 6.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 7.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信

2025-06-08

光伏功率预测，RF随机森林多变量单步光伏功率预测（Matlab完整源码和数据）

1.光伏功率预测，RF随机森林多变量单步光伏功率预测（Matlab完整源码和数据） 2.数据集：北半球功率数据集； 3.环境准备：Matlab2020b版本及其以上，可读性强； 4.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-06-08

光伏功率预测，BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据）

1.光伏功率预测，BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据） 2.数据集：北半球功率数据集； 3.环境准备：Matlab2020b版本及其以上，可读性强； 4.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-06-08

风电功率预测，VMD-CNN-Transformer风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，VMD-CNN-Transformer(单变量)风电功率预测（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：EMD-Transformer模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-08-11

Matlab实现POA-LSSVM鹈鹕算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

1.Matlab实现POA-LSSVM鹈鹕算法优化最小二乘支持向量机多特征分类预测（完整源码和数据），运行环境Matlab2018b及以上； 2.输入12个特征，输出分4类，可视化展示分类准确率，可在下载区获取数据和程序内容。 3.算法优化LSSVM参数为：sig，gamma。 4.excel数据集，main为主程序，其他为函数文件，无需运行，分类效果如下：注：程序和数据放在一个文件夹。

2025-08-09

Matlab实现INFO-LSSVM向量加权平均算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

1.Matlab实现INFO-LSSVM向量加权平均算法优化最小二乘支持向量机多特征分类预测（完整源码和数据），运行环境Matlab2018b及以上； 2.输入12个特征，输出分4类，可视化展示分类准确率，可在下载区获取数据和程序内容。 3.算法优化LSSVM参数为：sig，gamma。 4.excel数据集，main为主程序，其他为函数文件，无需运行，分类效果如下：注：程序和数据放在一个文件夹。

2025-08-09

Matlab实现GJO-LSSVM金豹优化算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

1.Matlab实现GJO-LSSVM金豹优化算法优化最小二乘支持向量机多特征分类预测（完整源码和数据），运行环境Matlab2018b及以上； 2.输入12个特征，输出分4类，可视化展示分类准确率，可在下载区获取数据和程序内容。 3.算法优化LSSVM参数为：sig，gamma。 4.excel数据集，main为主程序，其他为函数文件，无需运行，分类效果如下：注：程序和数据放在一个文件夹。

2025-08-09

Matlab实现SABO-LSSVM减法平均优化算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

1.Matlab实现SABO-LSSVM减法平均优化算法优化最小二乘支持向量机多特征分类预测，运行环境Matlab2018b及以上； 2.输入12个特征，输出分4类，可视化展示分类准确率，可在下载区获取数据和程序内容。 3.算法优化LSSVM参数为：sig，gamma。 4.excel数据集，main为主程序，其他为函数文件，无需运行，分类效果如下：注：程序和数据放在一个文件夹。

2025-08-09

风电功率预测，VMD-CNN-BiLSTM风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，VMD-CNN-BiLSTM风电功率预测(单变量)（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：VMD-CNN-BiLSTM模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-08-02

风电功率预测，EMD-Transformer风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，EMD-Transformer风电功率预测(单变量)（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：EMD-Transformer模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-27

风电功率预测，EMD-LSTM-Attention风电功率预测（Pytorch完整源码和数据）

1.风电功率预测，EMD-LSTM-Attention风电功率预测(单变量)（Pytorch完整源码和数据） 2.数据集：风电功率数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：EMD-LSTM-Attention模型提升了风电功率预测精度。 5.领域描述：风电功率预测是指通过建立数学模型，以风电场的历史数据为输入，预测风电场未来一段时间内的有功功率输出。其目的是减少风能的不确定性，提高电网的稳定性和经济性，同时优化电力调度和市场交易。 6.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-27

BP神经网络多输入单输出回归预测+SHAP可解释分析（MATLAB完整源码和数据）

该MATLAB代码实现了一个完整的BP神经网络回归预测模型，包含数据预处理、模型训练、预测评估及特征解释（SHAP值分析）。核心功能包括：数据预处理：数据集随机打乱、训练集/测试集划分（70%/30%）、数据归一化 BP神经网络建模：单隐含层（5节点）网络训练与预测模型评估：计算1评价指标（RMSE、R²、MAE、MAPE等）可视化分析：回归图、误差直方图、预测对比图、拟合效果图等特征解释：基于SHAP值分析特征重要性及影响方向。运行环境matlab2020及以上

2025-08-04

一种基于入侵杂草优化算法（IWO）的聚类分析对比K-Means、高斯混合模型（GMM）（Matlab完整代码）

一种基于入侵杂草优化算法（IWO）的聚类分析对比K-Means、高斯混合模型（GMM）（Matlab完整代码）该代码实现了一种基于入侵杂草优化算法（IWO）的聚类分析，并与K-Means、高斯混合模型（GMM）进行对比实验。核心功能包括： IWO聚类优化：使用IWO算法寻找最优聚类中心多算法对比：与K-Means、GMM进行聚类效果比较可视化分析：绘制聚类结果和收敛曲线量化评估：计算算法间的标签差异（MAE/MSE）

2025-08-02

BiTCN双向时间卷积神经网络多输入单输出回归预测（MATLAB完整源码和数据）

BiTCN双向时间卷积神经网络多输入单输出回归预测（MATLAB完整源码和数据） 1.Matlab实现BiTCN双向时间卷积神经网络多变量回归预测，多输入单输出； 2.运行环境为Matlab2023b； 3.data为数据集，输入多个特征，输出单个变量，多变量回归预测，main.m为主程序，运行即可,所有文件放在一个文件夹； 4.命令窗口输出R2、MSE、MAE、MAPE和MBE多指标评价。

2025-07-27

SAO-DBSCAN雪消融优化算法优化DBSCAN聚类MATLAB完整代码和数据

SAO-DBSCAN雪消融优化算法优化DBSCAN聚类MATLAB完整代码和数据该代码实现了基于雪消融优化算法（SAO）自动优化DBSCAN聚类参数的完整流程，核心功能包括：数据预处理：读取Excel数据集并归一化参数自动优化：使用SAO算法寻找DBSCAN的最佳参数（邻域半径Eps和最小点数MinPts）聚类分析：用优化后的参数执行DBSCAN聚类结果可视化：展示原始数据、优化过程曲线和聚类结果算法步骤数据准备阶段 • 导入Excel数据集（数据集.xlsx） • 数据归一化处理（Min-Max归一化到[0,1]区间） • 绘制原始数据散点图参数优化阶段 • 设置SAO算法参数（种群规模、迭代次数等） • 定义适应度函数（轮廓系数Silhouette Index） • 执行SAO算法优化DBSCAN参数： [Best_score, Best_pos] = SAO(N,T,lb,ub,dim,fobj); 聚类执行阶段 • 使用优化后的参数运行DBSCAN

2025-07-18

Pytorch实现Transformer-KAN电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现Transformer-KAN电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：Transformer-KAN模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

Pytorch实现TCN-KAN电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现TCN-KAN电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：TCN-KAN模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

Pytorch实现LSTM-KAN电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现LSTM-KAN电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：LSTM-KAN模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

Pytorch实现KAN电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现KAN电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：KAN模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

Pytorch实现KANConv电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现KANConv电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：KANConv模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

Pytorch实现GRU-KAN电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现GRU-KAN电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：GRU-KAN模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

Pytorch实现CNN-LSTM-KAN电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现CNN-LSTM-KAN电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：CNN-LSTM-KAN模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

Pytorch实现CNN-KAN电力负荷时间序列预测模型（完整源码和数据）

1.Pytorch实现CNN-KAN电力负荷时间序列预测模型（完整源码和数据） 2.数据集：ETTh2数据集，已经处理好； 3.环境准备：python 3.8 ， pytorch 1.8 版本及其以上，代码格式ipynb文件，可读性强； 4.模型描述：CNN-KAN模型提升了电力负荷预测精度。 5.作者介绍：机器学习之心，博客专家认证，机器学习领域创作者，2023博客之星TOP50，主做机器学习和深度学习时序、回归、分类、聚类和降维等程序设计和案例分析，文章底部有博主联系方式。从事Matlab、Python算法仿真工作8年，更多仿真源码、数据集定制私信。

2025-07-13

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

风电功率预测，EMD-LSTM风电功率预测（Pytorch完整源码和数据）

风电功率预测，LSTM风电功率预测（Pytorch完整源码和数据）

风电功率预测，EMD-CNN-LSTM风电功率预测（Pytorch完整源码和数据）

SVM、SSA-SVM、ISSA-SVM、KPCA-ISSA-SVM四个模型的分类预测对比Matlab完整代码和数据

风电功率预测，EMD-CNN-GRU风电功率预测（Pytorch完整源码和数据）

风电功率预测，CEEMDAN-LSTM-Attention多特征风电功率预测（Pytorch完整源码和数据）

风电功率预测，Transformer-BiLSTM多特征风电功率预测（Pytorch完整源码和数据）

NRBO-FMD基于牛顿拉夫逊算法优化特征模态分解（Matlab完整源码和数据）

GWO-FMD基于灰狼算法优化特征模态分解（Matlab完整源码和数据）

风电功率预测，CNN-GRU风电功率预测（Pytorch完整源码和数据）

风电功率预测，TCN-GRU多特征风电功率预测（Pytorch完整源码和数据）

瓦斯预测 第1讲 LSTM神经网络结合SHAP可解释分析的瓦斯涌出量预测

AOA-VMD-GRU和GRU故障诊断分类预测Matlab完整源码和数据

AOA-VMD-BiLSTM和BiLSTM故障诊断分类预测Matlab完整源码和数据

AOA-VMD-LSTM和LSTM故障诊断分类预测Matlab完整源码和数据

光伏功率预测，GA-BP遗传算法优化BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据）

光伏功率预测，PSO-BP粒子群优化BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据）

CPO-SVR冠豪猪优化算法优化支持向量机回归多输入多输出预测（Matlab完整源码和数据）

光伏功率预测，RF随机森林多变量单步光伏功率预测（Matlab完整源码和数据）

光伏功率预测，BP神经网络多变量单步光伏功率预测（Matlab完整源码和数据）

风电功率预测，VMD-CNN-Transformer风电功率预测（Pytorch完整源码和数据）

Matlab实现POA-LSSVM鹈鹕算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

Matlab实现INFO-LSSVM向量加权平均算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

Matlab实现GJO-LSSVM金豹优化算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

Matlab实现SABO-LSSVM减法平均优化算法优化最小二乘支持向量机多特征分类预测（完整源码和数据）

风电功率预测，VMD-CNN-BiLSTM风电功率预测（Pytorch完整源码和数据）

风电功率预测，EMD-Transformer风电功率预测（Pytorch完整源码和数据）

风电功率预测，EMD-LSTM-Attention风电功率预测（Pytorch完整源码和数据）

BP神经网络多输入单输出回归预测+SHAP可解释分析（MATLAB完整源码和数据）

一种基于入侵杂草优化算法（IWO）的聚类分析对比K-Means、高斯混合模型（GMM）（Matlab完整代码）

BiTCN双向时间卷积神经网络多输入单输出回归预测（MATLAB完整源码和数据）

SAO-DBSCAN雪消融优化算法优化DBSCAN聚类MATLAB完整代码和数据

Pytorch实现Transformer-KAN电力负荷时间序列预测模型（完整源码和数据）

Pytorch实现TCN-KAN电力负荷时间序列预测模型（完整源码和数据）

Pytorch实现LSTM-KAN电力负荷时间序列预测模型（完整源码和数据）

Pytorch实现KAN电力负荷时间序列预测模型（完整源码和数据）

Pytorch实现KANConv电力负荷时间序列预测模型（完整源码和数据）

Pytorch实现GRU-KAN电力负荷时间序列预测模型（完整源码和数据）

Pytorch实现CNN-LSTM-KAN电力负荷时间序列预测模型（完整源码和数据）

Pytorch实现CNN-KAN电力负荷时间序列预测模型（完整源码和数据）

空空如也

瓦斯预测第1讲 LSTM神经网络结合SHAP可解释分析的瓦斯涌出量预测