机器学习预测全家桶之CNN-RVM(相关向量机)，风电功率预测，MATLAB代码

截止到本期，一共发了四篇关于机器学习预测全家桶的文章。本期在这个全家桶内，再添加两种预测模型CNN-RVM和RVM。并以风电功率数据为例进行结果显示。

目前整个全家桶包含模型如下：

注意，此全家桶代码包含了自注意力机制(selfAttentionLayer)，该函数只有2023及以上版本的matlab才有，因此请小伙伴自行下载2023版本的matlab，下载链接一并打包在代码中了。

参考文章：

五花八门的机器学习预测？一篇搞定不行吗？

机器学习预测全家桶，多步预测之BiGRU、BiLSTM、GRU、LSTM，LSSVM、TCN、CNN，光伏发电数据为例

机器学习预测全家桶，多步预测之组合预测模型，光伏发电数据为例

机器学习预测全家桶之Xgboost，交通流量数据预测为例，MATLAB代码

代码获取方式放在文末了哈！

以上只是比较常用的几个，后续大家有需要的直接后台留言，我会继续在这个全家桶里边更新！

承诺该全家桶永久更新！

后续考虑会添加Adaboost、Catboost、比较传统的各种神经网络（BP,RBF,PNN,KNN等等），极限学习机，随机森林、深度森林等等方法。只要能预测的就会往里边扔！

---

数据准备

数据集统一采用新疆某地风电发电功率数据。

数据包含特征如下：测风塔10m风速(m/s) 、测风塔30m风速(m/s) 、测风塔50m风速(m/s) 、测风塔70m风速(m/s)、 轮毂高度风速(m/s) 、测风塔10m风向(°) 、测风塔30m风向(°) 、测风塔50m风向(°) 、测风塔70m风向(°)、 轮毂高度风向(°) 、温度(°) 、气压(hPa)、 湿度(%) 实际发电功率（mw）。部分数据截图如下：

选取3月份数据，每个样本组成为：延时步长为10，跨时间步长为1。也就是采用前10个样本的所有特征，去预测下一个样本的发电功率。

以表格中数据为例，以2019年1月1日0点~2019年1月1日2点的所有数据（包括功率）组合起来放一块并变成一行，然后把2点15的数据也组合到这一行，这就形成了第一个样本。最后一列是2点15的功率。就这样以此类推，得到好多好多样本。然后划分训练集和测试集就ok了。

---

结果展示

RVM

---

CNN-RVM结果：

以上所有图片，代码均可实现！

后台私信获取代码。点击下方卡片获取更多代码！