基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序，预测精度很高

基于卷积-长短期记忆网络加注意力机制（CNN-LSTM-Attention）的时间序列预测程序，预测精度很高。
可用于做风电功率预测，电力负荷预测等等
标记注释清楚，可直接换数据运行。
代码实现训练与测试精度分析。
这段程序主要是一个基于CNN-LSTM-Attention神经网络的预测模型。下面我将逐步解释程序的功能和运行过程。

1. 导入所需的库：

   • matplotlib.pyplot：用于绘图
   • pandas.DataFrame和pandas.concat：用于数据处理
   • sklearn.preprocessing.MinMaxScaler：用于数据归一化
   • sklearn.metrics.mean_squared_error和sklearn.metrics.r2_score：用于评估模型性能
   • keras：用于构建神经网络模型
   • numpy：用于数值计算
   • math.sqrt：用于计算平方根
   • attention：自定义的注意力机制模块

2. 定义一个函数mae_value(y_true, y_pred)用于计算MAE（平均绝对误差）评价指标。

YID:5860673742612391

3. 定义一个函数series_to_supervised(data, n_in=1, n_out=1, dropnan=True)，将序列转换为监督学习问题。