目录
- 效果一览
- 基本介绍
- 程序设计
- 参考资料
效果一览
基本介绍
1.Matlab实现基于QRGRU-Attention分位数回归门控循环单元注意力机制的时间序列区间预测模型;
2.多图输出、多指标输出(MAE、RMSE、MSE、R2),多输入单输出,含不同置信区间图、概率密度图;
3.data为数据集,功率数据集,用过去一段时间的变量,预测目标,目标为最后一列,也可适用于负荷预测、风速预测;main为主程序,其余为函数文件,无需运行;
数据集为2018年6月2日-2018年8月9日的6624个样本,采样间隔为15 分钟。选取2018年6月2日-2018年8月4日为训练集,剩下作为测试集。采用过去5个小时的特征作为输入,目标和特征都进行了归一化和差分进行训练。训练迭代器采用adam,学习率为0.001,批次大小为64,迭代轮数30轮。网络为两层GRU单元+一个注意力机制,神经元个数为64。损失函数采用分位数回归:
以测试样本集中2018:08:05:0:0时刻至2018:08:09:23:45时刻为例,分位数预测得到不同置信区间下的风电功率结果如图所示。可以看出,不同置信度条件下的预测区间与风电功率实际值的波动大致相同,表明本文的方法能够准确预测风电功率变化,此外在实际值变化剧烈的地方置信区间越宽,表明预测可信度变低,这也与实际情况相符合。对比预测未来不同时间步的预测区间,预测的误差在增大。以测试样本集中2018年8月5日-6日的6:00、12:00 和18:00为例,根据分位数预测未来90min后的结果,采用核密度估计,生成风电功率的概率密度曲线。如图所示。可以看到,风电功率实际值均落在高概率密度波峰处附近。
4.代码质量高,注释清楚,含数据预处理部分,处理缺失值,如果为nan,用上一行替代,也含核密度估计;
程序设计
- 完整程序和数据获取方式私信博主回复Matlab实现基于QRGRU-Attention分位数回归门控循环单元注意力机制的时间序列区间预测模型。