【CEEMDAN-VMD-Transformer】双重分解+Transformer多变量时序预测，多变量输入模型。matlab代码，2023b及其以上。1.CEEMDAN分解，计算样本熵，根据样本

【CEEMDAN-VMD-Transformer】双重分解+Transformer多变量时序预测，多变量输入模型。matlab代码，2023b及其以上。

1.CEEMDAN分解，计算样本熵，根据样本熵进行kmeans聚类，调用VMD对高频分量二次分解，VMD分解的高频分量与前分量作为Transformer模型的目标输出分别预测后相加。

2.CEEMDAN-VMD-Transformer模型处理数据，具有更高的准确率，能够跟踪数据的趋势以及变化。VMD 模型处理非线性、非平稳以及复杂的数据，表现得比EMD 系列更好，因此将重构的数据通过VMD 模型分解，提高了模型的准确度。

评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。参数可方便更改，程序和excel数据放在一个文件夹，注释明细。

%% 优化算法优化前，构建优化前的TCN模型

numChannels = orm;

maxPosition = 256*2;

numHeads = 4;

numKeyChannels = numHeads*32;

layers = [

sequenceInputLayer(numChannels,Name="input")

positionEmbeddingLayer(numChannels,maxPosition,Name="pos-emb");

additionLayer(2, Name="add")

selfAttentionLayer(numHeads,numKeyChannels,'AttentionMask','causal')

selfAttentionLayer(numHeads,numKeyChannels)

indexing1dLayer("last")

fullyConnectedLayer(n_out)

regressionLayer];

lgraph = layerGraph(layers);

lgraph = connectLayers(lgraph,"input","add/in2");

智能算法及其模型预测