QSJIQIXUEXI的博客

今天给大家带来一期绝对创新且工作量足够的代码，以往的分解大多只进行一次，对于高频项的挖掘不够充分，导致其预测精度较低。况且，目前的分解方法大多已经入不了审稿人的法眼，如果没有进一步的创新，很容易被拒稿。

目前市面上所有预测程序基本上都是单步的，实际上单步预测容易造成精度很高的假象，很多时候会被审稿人质疑。而市面上偶尔出现的几种多步预测程序，大多存在错误或者不科学的地方，并且没有Matlab版本。举个最简单的错误的例子。比如，很多小伙伴手里的超前24步预测程序，实际上这并不是真正的多步预测，它无法很好的反映出误差变化，只是预测24行数据与真实值进行比较。而论文里通常用的3步、4步、6步预测，又该如何解决呢？难不成只预测三个点吗？

以往的时间序列预测都是划分训练集测试集进行评估精度的，缺少对未来数据的预测（虽然论文里大多也都是这么做的）。有很多小伙伴在应用过程中实际需要利用模型在评估精度后输出预测未来的数据。因此，今天给大家带来一期基于时间序列递归预测未来数据的代码。

以往XGBoost只能在Python中运行，虽然运行较快，但是无法结合自己的智能优化算法进行结合。如果能够利用Matlab实现XGBoost，那么结合24年新算法或自己改进的算法将会非常方便，也会有更多的创新点！附赠五折交叉验证防止过拟合！

今天为大家带来一期BiGRU时间序列递归预测未来数据代码，独家原创！传统的时间序列预测大家都不知道怎么预测未来值，这里直接提供代码！适合作为创新点！直接替换Excel数据即可用！具体代码已放在最后，需要代码的朋友可直接拉到最后~

今天为大家带来一期基于分解+集成思想的VMD-CNN-BiGRU-Attention时间序列预测代码，知网和WOS都是搜不到的！完全是作者独家创立的！可以说是尚未发表的创新点！直接替换Excel数据即可用！特别需要指出的是，我们在各个学术平台上搜索VMD-CNN-BiLSTM-Attention，都是完全搜索不到这个模型的！！！不信的可以看下面截图！

今天为大家带来一期ICEEMDAN-NRBO-BiLSTM-Attention多变量时间序列预测代码，独家原创！任何学术平台都搜索不到，完全是作者独家创立的！适合作为创新点！直接替换Excel数据即可用！

为了更容易理解，我们可以将这个SARIMA模型名称拆解来看：季节性(Seasonal): 这一部分考虑了数据随时间变化可能出现的周期性模式，比如说每年的某个季节销量上升或下降这样的季节性规律。自回归(Autoregressive, AR): 这表示模型会用前一段时间内的数据来预测未来的值。想象一下，如果你在观察股市，你可能会发现今天的股价与过去几天的股价有关。