基于VMD-CNN-LSTM组合模型时间序列预测python代码

整理了基于VMD-CNN-LSTM组合模型时间序列预测python代码，该代码注释十分齐全，采用RMSE、MAE、MAPE和R2等多种评价指标，效果优异，适合想发文章的同学。

1）首先对原始数据进行预处理；

2）对处理完的数据进行VMD分解，分解为K个模态分量和1个残差分量；

3）将各个模态分量输入模型，建立模型进行预测；

4）将各个预测结果相加得到最终的结果。

|  测试集指标  |    MSE     |    RMSE    |    MAE     |    MAPE    |     R2     |

| 预测结果指标： | 1109.8900097472406 | 33.315011777684255 | 24.358706461588543 | 5.295871728280668% | 85.27420511230487% |

值得注意的是，该模型根据需要可以更改为：

 单输入单步预测，
 单输入多步预测，
 多输入单步预测，
 多输入多步预测，

代码获取链接:基于VMD-CNN-LSTM组合模型时间序列预测python代码