Transformer-LSTM等5个模型多变量回归预测对比，Transformer-LSTM 、Transformer、CNN-LSTM 、LSTM 、CNN五模型多变量回归预测1.程序已经调试

Transformer-LSTM等5个模型多变量回归预测对比，Transformer-LSTM 、Transformer、CNN-LSTM 、LSTM 、CNN五模型多变量回归预测

1.程序已经调试好，无需更改代码替换数据集即可运行，数据格式为excel。

2.Transformer 作为一种创新的神经网络结构，深受欢迎。采用 Transformer 编码器对光伏、负荷数据特征间的复杂关系以及时间序列中的长短期依赖关系进行挖掘，可以提高光伏功率、负荷预测的准确性。

3.评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

4.如果需要更换对比对象，私信！运行环境要求MATLAB版本为2023b及其以上。

%%

figure('Units', 'pixels', ...

'Position', [150 150 920 600]);

t = tiledlayout('flow','TileSpacing','compact');

for i=1:length(Test_all(:,1))

nexttile

th1 = linspace(2*pi/length(Test_all(:,1))/2,2*pi-2*pi/length(Test_all(:,1))/2,length(Test_all(:,1)));

r1 = Test_all(:,i)';

[u1,v1] = pol2cart(th1,r1);

M=compass(u1,v1);

for j=1:length(Test_all(:,1))

M(j).LineWidth = 2;

M(j).Color = colorList(j,:);

end

title(str2{i})

set(gca,"FontSize",10,"LineWidth",1)

end

legend(M,str1,"FontSize",10,"LineWidth",1,'Box','off','Location','southoutside')

智能算法及其模型预测