QSJIQIXUEXI的博客

本文提出一种基于CEEMD-RRTO-ELM的区间预测模型，创新性地结合分解集成、智能优化和自适应核密度估计技术。首先利用CEEMD分解原始序列，通过2025年最新RRTO算法优化ELM参数，进行分量预测与集成；进而提出自适应带宽核密度估计方法，实现95%等多种置信区间的概率预测。实验表明，该模型在风电功率数据集上R2达0.99以上，预测效果优异。方法已加入区间预测全家桶（含16个模型），支持一键替换Excel数据运行，适合多学科交叉应用。代码获取可回复"区间预测全家桶"或单品关键字"CREA"。

后台经常有小伙伴问我有没有对比算法的代码，以便放到论文中展示模型优越性。今天，给大家带来一期CNN-BiLSTM-Attention一键对比四种模型的多变量回归预测，并且附带原理介绍！由于对比模型均为主模型的一部分，因此可以称之为消融实验。

今天给大家带来一期利用2025年最新的龙卷风优化算法TOC优化VMD的信号分解的代码，非常适合作为创新点。本期代码，一共集成了六种熵值供您选择，非常方便，并有了3D分解图、功率谱、幅值谱、希尔伯特谱、瞬时能量等图！一共9张图！

很久没给大家带来故障诊断作品了。今天，给大家带来一期原创未发表的新颖代码，格拉姆角场+深度学习结合，一键运行即可实现东南大学齿轮箱数据故障诊断，不像其他程序一样需要运行很多次，并且附带详细的注释与使用说明！非常适合新手小白！精度高达99%！

以往的推文大多只有分解步骤，没有去噪步骤。实际上，受仪器、环境等因素的影响，信号数据往往存在较大的噪声干扰和非平滑现象，严重影响了定量分析的精度和可靠性。因此，今天给大家带来一期CEEMDAN联合小波阈值去噪的方法与代码！

先前给小伙伴们上架了多输入多输出回归预测全家桶，里面包含了LSTM、BP、CNN-BiGRU、LSSVM等7种主流与小众的多输出回归模型：今天将再次对全家桶进行更新，将ELM、KELM、DBO-ELM等主流模型加入到全家桶中。

今天给大家带来一期绝对创新且工作量足够的代码，以往的分解大多只进行一次，对于高频项的挖掘不够充分，导致其预测精度较低。况且，目前的分解方法大多已经入不了审稿人的法眼，如果没有进一步的创新，很容易被拒稿。

今天给大家带来一期原创未发表的新代码，非常适合作为创新点，也能让审稿人眼前一亮。简单来说，传统的单一算法优化已经无法满足创新的需求，且单一算法容易陷入局部最优等问题。

目前市面上所有预测程序基本上都是单步的，实际上单步预测容易造成精度很高的假象，很多时候会被审稿人质疑。而市面上偶尔出现的几种多步预测程序，大多存在错误或者不科学的地方，并且没有Matlab版本。举个最简单的错误的例子。比如，很多小伙伴手里的超前24步预测程序，实际上这并不是真正的多步预测，它无法很好的反映出误差变化，只是预测24行数据与真实值进行比较。而论文里通常用的3步、4步、6步预测，又该如何解决呢？难不成只预测三个点吗？

我们的改进蛇鹫算法，不仅超过了原本SCItop期刊上的算法，而且与不同时期（2005年-2025年）的7种冠军算法进行比较，取得了最优排名结果。这样的算法，不用我多说，你也应该明白能发什么期刊了吧。

        今天给大家带来一期小创新代码，以往的神经网络模型相比于树模型（随机森林、XGBoost等）最大的一个缺点就是无法输出特征重要性，也就是大家常说的“黑箱模型”。这几天来我搜寻了很久，终于也找到一种能够实现分析神经网络特征重要性的方法。

        以往的回归模型大多是多输入单输出的输入格式，例如，输入光照、温度等变量，则输出光伏功率。后台经常有小伙伴问我有没有多输入多输出的预测模型，今天就给大家带来一期多输入多输出预测全家桶，包含LSTM、BP、CNN-BiGRU、LSSVM等多种机器学习与深度学习模型。

今天，我们再次对注意力全家桶进行更新，将最新推出的回归预测模型加入到全家桶中。同时，我们在模型中加入了特征图可视化，不仅能够帮助我们理解模型内部特征、方便诊断和调试模型，更能吸引审稿人的注意力、增加文章的工作量！

经常有小伙伴问我区间预测里能不能加上一些优化算法，凸显创新性。因此，今天，对我们之前推出的区间预测全家桶进行更新，将最新推出的AE-Transformer-LSTM-ABKDE模型加入到我们的全家桶当中，非常新颖，包含三大创新点！

目前，大多数有关无人机三维路径规划的文章都还是单无人机的，缺少新意，且大多利用单目标优化算法进行求解，缺少新意，难以获得审稿人的青睐。今天，为大家带来一期多目标水母算法MOJS求解多无人机协同路径规划代码。

今天，又给小伙伴带来一个创新聚类模型，利用24年新算法黑翅鸢算法BKA优化高斯混合聚类GMM模型，并提供了参数与适应度关系的三维变化图！非常容吸引审稿人！您只需替换自己的Excel数据，一键运行main文件即可出图！非常适合新手小白！

今天，给大家讲解为什么利用Transformer实现预测模型没有解码层？是不是模型不对等问题！并推出一期利用24年新算法PLO优化Transformer-LSTM模型，并提供模型对比、柱状图、雷达图、二维散点图等多图，非常容易吸引审稿人！

今天给大家带来一期利用NRBO优化最新且小众的分解方法FMD的代码，这个方法也是2023年刚提出来的一个新算法，发表在SCI一区期刊上，也是IEEE系列信号处理领域的一区顶刊，非常适合作为创新点，也适合新手小白使用，更能让审稿人眼前一亮！！

今天给小伙伴带来一期利用Matlab实现Transformer预测的代码。以往Transformer等模型只能在Python中实现，但是Python需要配置环境，且不同版本差异较大，难以直接在电脑上运行，非常不适合新手小白。同时，部分Python代码非常混乱，使用的库也不统一，真假难辨。因此，本期推出Matlab版本的Transformer预测模型，代码非常清晰易懂，也跟以前的形式一样，直接Excel替换数据即可！无需更改代码！

今天，给大家带来一期东南大学齿轮箱数据故障诊断教程与代码，可放心往下看，小白也能一看就会！为了防止创新点不够，本期代码采用24年新出的蛇鹫优化算法SBOA优化VMD分解，并提供了6种不同的适应度函数，从而对数据完成预处理过程！

传统的点预测相信大家已经做腻了，审稿人也看腻了。其输出的仅有一个预测值，无法定量描述预测结果的不确定性。今天对我们之前推出的区间预测全家桶再次进行更新！将最新推出的QRTransformer模型加入到我们的全家桶当中，非常新颖！

今天给大家介绍一种非常小众的智能优化算法应用，这个应用非常容易理解而且新颖小众。目前，知网和WOS上也几乎没有类似的文献，非常适合作为创新点，让审稿人眼前一亮，也能够检验一个优化算法的性能好坏。以往论文中通常用工程应用来证明一个算法在实际工程中的好坏，但实际上这些工程应用也仅仅是一些带约束的优化问题，已经被彻底用烂了，不光是中文核心，很多SCI也是重灾区，审稿人也早已看腻。

今天继续给大家推出几个小创新模型，包括Transformer-LSTM、Transformer-GRU、Transformer-BiLSTM。每个模型对应不同的数据集效果可能均不相同，大家需要进行尝试才知道哪个模型与自己的数据集最为匹配。因此，为了方便大家的选择，本期推文这几个模型都是一次购买直接全部打包带走！！

以往大家在用KELM模型做预测的时候，常常会遇到过拟合的现象。因此，今天给大家带来一期利用改进沙猫群算法ISCSO优化KELM实现分类预测的代码！其中包含了五折交叉验证，能够有效避免模型过拟合，真正评估出数据的真实精度，适合作为创新点！

今天给大家带来一期知网以及WOS上从来没有人用过的参数优化方法：红嘴蓝鹊算法RBMO优化SVMD分解！传统的VMD分解方法，在分解过程中，对模态中心频率的初始值较为敏感；若分解个数太多，还会出现过度分解的现象。SVMD（逐次变分模态分解）是Nazari 等人于2020年发表在信号处理顶刊的一种新算法，它不需要提前去设置 K 值，也就是模态个数！大大降低了计算复杂度！可完全满足你故障诊断、分解集成预测等需求！

单单放一个Transformer模型好像没有创新性，毕竟是别人提出的算法。同时，很多小伙伴也有自己的改进算法，想要与Transformer模型结合到一起，也有部分小伙伴后台留言说想要进一步提高预测精度。本期推文利用智能优化算法实现改进！

今天，我们对注意力全家桶进行更新，将最新推出的BiTCN-Attention模型加入到全家桶中，同时，应小伙伴的要求，我们在模型中加入了特征图可视化，不仅能够帮助我们理解模型内部特征、方便调试模型，更能吸引审稿人的注意力、增加文章的工作量！

今天对我们之前推出的区间预测全家桶再次进行更新，将最新推出的QRBiTCN-BiGRU-Attention模型加入到我们的全家桶当中。之前有一期推文做过这个模型，此次，更换了最新的数据集，采用某地实际的一个光伏数据集进行预测，说服力更强。

之前有小伙伴说需要CWRU西储大学轴承数据的预处理过程，今天就给大家带来一期基于HO-VMD-TCN的西储大学轴承故障诊断全流程详解。同样本期代码所有流程均可一键运行全部出图，包括预处理过程与故障诊断结果，非常适合新手小白！

今天对我们之前推出的区间预测全家桶再次进行更新，将最新推出的QRTCN-BiLSTM模型加入到全家桶中。这个模型是我们独家原创的，先前也是没有任何人用过，非常新颖。如果你再多做几个对比模型，证明你的模型优越性，那么paper不就蹭蹭发了吗？

如果大家在做各类机器学习分类预测问题，那么特征选择完全可以凸显你的创新性。传统的PCA、KPCA等降维算法已经被用烂了，审稿人看了也得头疼。本期推文的创新点与内容完全够一篇paper，同时，知网和WOS平台肯定也是搜不到的。

传统的点预测审稿人已经看腻了，区间预测能够得到预测值可能出现的范围，给审稿人眼前一亮，也能增加工作量和Accept的概率和机会。今天，对我们之前推出的区间预测全家桶进行更新，将最新推出的模型加入到我们的全家桶当中，非常新颖，包含四大创新点！

今天为大家介绍一个小众而又新颖的信号分解方法，这个方法也是2023年刚提出来的一个新算法，最初是用作故障诊断当中。目前，知网和WOS用的都还很少，只有寥寥数篇，非常适合作为创新点，也能让审稿人眼前一亮。

经常有小伙伴问我，面对如此多的预测程序，到底哪一个模型预测效果的最好？事实上，不存在一种预测效果最好的程序。根据“没有免费午餐定理”：不存在一种机器学习算法适合于任何领域或任务。如果有人宣称自己的模型在所有问题上都好于其他模型，那么他肯定是在吹牛。也就是说，模型预测效果同时取决于数据和模型的匹配程度，任何算法都有局限性，并不是模型越复杂效果越好（但是新颖的模型肯定更受审稿人喜爱一些）。没有数据空谈模型效果不现实，只有尝试了才知道是否匹配。

今天为大家带来一期蛇鹭优化算法SBOA优化TVFEMD分解代码，知网和WOS都是搜不到的！可以说是尚未发表的创新点！如果你想做故障诊断、分解集成预测等应用，传统的EMD已经被用烂了！而TVFEMD算法知网用的还很少，是一个非常不错的选择！

大家在改进智能优化算法的时候，传统的工程应用已经吸引不了审稿人的注意，非常容易被拒稿！正好前几天小伙伴也让我多做一些应用，那么今天为大家带来一期冠豪猪优化算法CPO优化无人机集群三维路径规划代码，适合作为创新点！目前，大多数有关无人机三维路径规划的文章都还是单无人机的，翻来覆去还是那几张图，没有什么新意，本期采用无人机集群进行三维路径规划。相比于单无人机或多无人机，无人机集群要求无人机的数量在5个及以上，相应地，求解难度更大，也就更具有新意、更受审稿人的喜爱！

今天为大家带来一期BiGRU时间序列递归预测未来数据代码，独家原创！传统的时间序列预测大家都不知道怎么预测未来值，这里直接提供代码！适合作为创新点！直接替换Excel数据即可用！具体代码已放在最后，需要代码的朋友可直接拉到最后~

一般来说，半径ε需要找突变点，minPts为K距离中的K值，一般取小一点，需要多次尝试。雪消融优化器( SAO) 是2023年发表在SCI一区期刊《Expert Systems with Applications》上的文章，作者受到自然界中雪的升华和融化行为的启发，开发了一种新的基于物理的雪消融优化器（SAO）算法，模拟雪的升华和融化行为。可以看到，我们的算法很容易地将数据分成了三类，效果非常好，同时还用不同的颜色进行标注，另外，也用黑色点标注出了离群点，即异常值，在Matlab代码中用0标识。

传统的点预测已经很难吸引审稿人的注意，容易被拒稿！24年新算法——冠豪猪优化算法CPO优化极限学习机ELM，并结合改进自适应核密度估计ABKDE实现风光电功率区间概率预测代码，独家原创！适合作为创新点！

今天为大家带来一期CNN-ELM实现多变量回归预测代码，独家原创！直接提供代码！知网用的人还很少！