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

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

目录 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程序设计参考资料

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