CEEMDAN-VMD-NRBO-Transformer多变量时序预测 (双分解多输入单输出) 涉及到结合了CEEMDAN (Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)、VMD (Variational Mode Decomposition)、NRBO (Non-Repetitive Bootstrap Optimization) 和 Transformer 模型的多变量时序预测任务。这种方法结合了信号处理、优化和深度学习技术,用于处理多变量时间序列数据,并进行预测。
在这个任务中,CEEMDAN 和 VMD 被用来对多变量时序数据进行分解,以提取潜在的模式和趋势。NRBO 用于优化模型的参数,以提高预测性能。最后,Transformer 模型被用于学习数据中的长期依赖关系和非线性关系,从而进行多变量时序预测。