多维时序 | Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测

本文主要是介绍多维时序 | Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

多维时序 | Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测

效果一览

基本介绍

Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测（完整源码和数据）
1.Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测；
2.运行环境为Matlab2021b；
3.输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测；
4.data为数据集，main.m为主程序，运行即可,所有文件放在一个文件夹；
5.命令窗口输出R2、MSE、RMSE、MAE、MAPE多指标评价。
6.程序语言为matlab，程序可出预测效果图，误差分析图，相关分析图;

程序设计

• 完整程序和数据下载方式资源处下载：Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测。

% 训练集和测试集划分 %% 来自：CSDN《机器学习之心》
outdim = 1;                                  % 最后一列为输出
num_size = 0.7;                              % 训练集占数据集比例
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim;                  % 输入特征维度P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
N = size(P_test, 2);%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);%% 绘制线性拟合图
%% 训练集拟合效果图
figure
plot(T_train,T_sim1,'o','Markersize',7);
xlabel('真实值')
ylabel('预测值')
string = {'训练集效果图';['R^2_c=' num2str(R1)  '  RMSEC=' num2str(rmse1) ]};
title(string)
hold on ;h=lsline;
set(h,'LineWidth',2,'LineStyle','-','Color',[1 0 0])
%% 预测集拟合效果图
figure
plot(T_test,T_sim2,'o','Markersize',7);
xlabel('真实值')
ylabel('预测值')
string1 = {'测试集效果图';['R^2_p=' num2str(R2)  '  RMSEP=' num2str(rmse2) ]};
title(string1)
hold on ;h=lsline();
set(h,'LineWidth',2,'LineStyle','-','Color',[1 0 0])

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/129215161
[2] https://blog.csdn.net/kjm13182345320/article/details/128105718

这篇关于多维时序 | Matlab实现TCN-RVM时间卷积神经网络结合相关向量机多变量时间序列预测的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---