基于卷积神经网络-双向长短期记忆网络(CNN-BILSTM)的多输入多输出预测，CNN-BILSTM回归预测。

%% 清空环境变量

warning off % 关闭报警信息

close all % 关闭开启的图窗

clear % 清空变量

clc % 清空命令行

%% 导入数据

res = xlsread('数据.xlsx');

%% 数据分析

num_size = 0.8; % 训练集占数据集比例

outdim = 3; % 最后3列为输出

num_samples = size(res, 1); % 样本个数

res = res(randperm(num_samples), :); % 打乱数据集（不希望打乱时，注释该行）

num_train_s = round(num_size * num_samples); % 训练集样本个数

f_ = size(res, 2) - outdim; % 输入特征维度

%% 划分训练集和测试集

P_train = res(1: num_train_s, 1: f_)';

T_train = res(1: num_train_s, f_ + 1: end)';

M = size(P_train, 2);

P_test = res(num_train_s + 1: end, 1: f_)';

T_test = res(num_train_s + 1: end, f_ + 1: end)';

N = size(P_test, 2);

%% 数据归一化

method=@mapminmax;

[inputn_train,inputps]=method(P_train);

inputn_test=method('apply',P_test,inputps);

[outputn_train,outputps]=method(T_train);

outputn_test=method('apply',T_test,outputps);

%% 创建元胞或向量，长度为训练集大小；

XrTrain = cell(size(inputn_train,2),1);