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:
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!