small_ccb的博客

目录1、代码简介2、代码运行结果展示3、代码获取基于Transformer结合长短期记忆神经网络Transformer-LSTM+NSGAII多目标优化算法，可适用于工艺参数优化、设计等方向。代码简介：1、先经Transformer-LSTM封装因变量(y1，y2，y3，y4)与自变量(x1，x2，x3，x4，x5)的代理模型，再通过NSGAII寻找y的极值(y1极大;y2、y3、y4极小)，并生成对应的x1，x2，x3，x4，x5Pareto解集。2、数据集有5个输入特征，4个输出，通过NSGAII寻求极

基于轻量级梯度提升机(LightGBM)结合黑翅鸢算法(BKA)优化Transformer结合长短期记忆神经网络(LSTM)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中包含LightGBM+BKA-Transformer-LSTM、BKA-Transformer-LSTM、Transformer-LSTM、LSTM四模型一键对比其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。

基于轻量级梯度提升机(LightGBM)结合牛顿拉夫逊优化算法(NRBO)优化Transformer结合双向长短期记忆神经网络(BiLSTM)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中包含LightGBM+NRBO-Transformer-BiLSTM、NRBO-Transformer-BiLSTM、Transformer-BiLSTM、BiLSTM四模型一键对比其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。

基于轻量级梯度提升机(LightGBM)结合牛顿拉夫逊优化算法(NRBO)优化Transformer结合长短期记忆神经网络(LSTM)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中包含LightGBM+NRBO-Transformer-LSTM、NRBO-Transformer-LSTM、Transformer-LSTM、LSTM四模型一键对比其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。

Matlab 基于Transformer结合贝叶斯算法优化支持向量机(Transformer-Bayes-SVR)的数据多变量回归预测贝叶斯算法(BO/Bayes)优化参数为惩罚因子c和核函数参数g！UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。你先用你就是创新！！！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！

独家首发原创]基于VMD-SSA-Transformer单变量时序预测 (单输入单输出) Matlab代码1.先运行main1进行VMD分解【图1-3】2.在运行main2进行单变量时序预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本文程序采用风速数据进行测试，数据格式为excel！自注意力机制头数，学习率，正则化系数4.需要其他算法的都可以定制！1️⃣、运行环境要求MATLAB版本为2023b及其以上【没有我赠送】

基于Transformer-LSTM、Transformer、LSTM三模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码 采用北半球光伏数据进行测试1.程序已经调试好，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.如果需要增加优化算法或者更换对比对象，

独家首发原创](双分解)CEEMDAN-CPO-VMD-PLO-Transformer-LSTM多变量时序预测 (多输入单输出) Matlab代码CEEMDAN分解，计算样本熵，根据样本熵进行kmeans聚类，调用CPO-VMD对高频分量二次分解VMD分解的高频分量与前分量进行拼接，为后续结合的目标输出分别预测后相加。预测结果更准确！运行步骤：(采用北半球光伏功率真实数据进行测试)1.先运行main1进行CEEMDAN-CPO-VMD双重分解【图1-5】2.在运行main2进行多变量时序预测。

Matlab(双优化)6模型多变量时序预测一键对比 (多输入单输出)[原创未发表] 基于(双优化)、VMD-Transformer-LSTM、VMD-Transformer、VMD-LSTM、Transformer、LSTM六模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码赠送CPO，PLO原文献CEEMDAN分解，计算样本熵，根据样本熵进行kmeans聚类，调用NRBO-VMD对高频分量二次分解VMD分解的高频分量与前分量进行拼接，为后续结合的目标输出分别预测后相加。

独家首发原创](双分解)CEEMDAN-NRBO-VMD-Transformer多变量时序预测 (多输入单输出) Matlab代码CEEMDAN分解，计算样本熵，根据样本熵进行kmeans聚类，调用NRBO-VMD对高频分量二次分解VMD分解的高频分量与前分量进行拼接，为后续结合的目标输出分别预测后相加。预测结果更准确！运行步骤：(采用北半球光伏功率真实数据进行测试)1.先运行main1进行CEEMDAN-NRBO-VMD双重分解【图1-2】2.在运行main2进行多变量时序预测。

基于Transformer-LSTM、Transformer、CNN-LSTM、LSTM、CNN五模型单变量时序预测一键对比(仅运行一个main即可) Matlab代码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.如果需要增加优化算法或者更换对比对象，私信！

独家首发原创]【双优化+递归未来】基于NRBO-VMD-NRBO-Transformer单变量时序预测 (单输入单输出) Matlab代码1.先运行main1进行贝叶斯优化VMD分解，采用NRBO确定最优alpha和K值【图2-3】2.在运行main2进行单变量时序预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本文程序采用风速数据进行测试，数据格式为excel！自注意力机制头数，学习率，正则化系数4.Transformer 作为一种创新的神经网络结构，深受欢迎。

独家首发原创]【双优化】基于NRBO-VMD-NRBO-Transformer单变量时序预测 (单输入单输出) Matlab代码1.先运行main1进行贝叶斯优化VMD分解，采用NRBO确定最优alpha和K值【图1-3】2.在运行main2进行单变量时序预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本文程序采用风速数据进行测试，数据格式为excel！自注意力机制头数，学习率，正则化系数4.Transformer 作为一种创新的神经网络结构，深受欢迎。

原创未发表]基于NRBO-CNN-BiGRU-Attention、CNN-BiGRU-Attention、NRBO-CNN-BiGRU、CNN-BiGRU、BiGRU、CNN6模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码 可广泛应用于光伏、风电功率等预测！！！可赠送NRBO原文献每个模型的预测结果和组合对比结果都有！1.无需繁琐步骤，只需要运行一个main即可一键出所有图像。2.本程序数据采用北半球光伏数据无需更改代码替换数据集即可运行！！！数据格式为excel！

原创未发表]基于NRBO-CNN-GRU-Attention、CNN-GRU-Attention、NRBO-CNN-GRU、CNN-GRU、GRU、CNN6模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码 可广泛应用于光伏、风电功率等预测！！！可赠送NRBO原文献每个模型的预测结果和组合对比结果都有！1.无需繁琐步骤，只需要运行一个main即可一键出所有图像。2.本程序数据采用北半球光伏数据无需更改代码替换数据集即可运行！！！数据格式为excel！

原创未发表]基于NRBO-CNN-BiLSTM-Attention、CNN-BiLSTM-Attention、NRBO-CNN-BiLSTM、CNN-BiLSTM、BiLSTM、CNN6模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码 可广泛应用于光伏、风电功率等预测！！！可赠送NRBO原文献每个模型的预测结果和组合对比结果都有！1.无需繁琐步骤，只需要运行一个main即可一键出所有图像。2.本程序数据采用！！！数据格式为excel！4.

原创未发表]基于NRBO-CNN-LSTM-Attention、CNN-LSTM-Attention、NRBO-CNN-LSTM、CNN-LSTM、LSTM、CNN6模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码 可广泛应用于光伏、风电功率等预测！！！可赠送NRBO原文献每个模型的预测结果和组合对比结果都有！1.无需繁琐步骤，只需要运行一个main即可一键出所有图像。2.本程序数据采用！！！数据格式为excel！4.，受到Newton-Raphson方法的启发。

独家首发原创](双分解)CEEMDAN-VMD-Transformer单变量时序预测 (单输入单输出) Matlab代码CEEMDAN分解，计算样本熵，根据样本熵进行kmeans聚类，调用VMD对高频分量二次分解VMD分解的高频分量与前分量进行拼接，为后续结合的目标输出分别预测后相加。预测结果更准确！运行步骤：(采用风速数据进行测试)1.先运行main1进行CEEMDAN-VMD双重分解【图2-3】2.在运行main2进行单变量时序预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合黑翅鸢算法(BKA)优化Transformer结合双向门控循环单元(BiGRU)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合黑翅鸢算法(BKA)优化Transformer结合门控循环单元(GRU)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合牛顿拉夫逊优化算法(NRBO)优化Transformer结合双向门控循环单元(BiGRU)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合牛顿拉夫逊优化算法(NRBO)优化Transformer结合门控循环单元(GRU)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合牛顿拉夫逊优化算法(NRBO)优化Transformer结合双向长短期记忆神经网络(BiLSTM)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

[独家原创]基于LightGBM+Transformer多变量回归预测 Matlab代码 (多输入单输出)其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数)，作为Transformer模型的输入，本程序采用的数据集为：UCI《共享电车租赁数据集》。数据集来自波尔图大学实验室，输入特征有：季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。1.程序已经调试好，无需更改代码替换数据集即可运行

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合黑翅鸢算法(BKA)优化Transformer结合双向长短期记忆神经网络(BiLSTM)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合黑翅鸢算法(BKA)优化Transformer结合长短期记忆神经网络(LSTM)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

【独家原创】多变量回归预测 Matlab代码基于轻量级梯度提升机(LightGBM)结合牛顿拉夫逊优化算法(NRBO)优化Transformer结合长短期记忆神经网络(LSTM)的数据多变量回归预测，Matlab代码，可直接运行，适合小白新手其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。

独家原创]基于多变量回归预测 Matlab代码 (多输入单输出)其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。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。

[独家原创]基于LightGBM+Transformer-GRU多变量回归预测 Matlab代码 (多输入单输出)其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数)，作为Transformer-LSTM模型的输入，本程序采用的数据集为：UCI《共享电车租赁数据集》。数据集来自波尔图大学实验室，输入特征有：季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。1.程序已经调试好，无需更改代码

独家原创]基于多变量回归预测 Matlab代码 (多输入单输出)其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。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。

独家原创]基于LightGBM+Transformer-LSTM多变量回归预测 Matlab代码 (多输入单输出)其中采用LightGBM对原始数据的关键特征(重要度高的)进行提取(可自定义个数UCI《共享电车租赁数据集》。季节，年份，月份，小时，节假日，工作日，天气，温度，标准化的体感温度，湿度，风速，休闲用户数，注册用户数共13个特征值，输出为租赁自行车总数。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！

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。基于冠豪猪算法优化Transformer结合双向门控循环单元(CPO-Transformer-BiGRU)多变量回归预测【24年新算法】1️⃣、运行环境要求MATLAB版本为2023b及其以上【如果没有可私信我，我赠送】2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE等，图很多，符合您的需要。4️⃣、赠送测试数据集，可以直接运行源程序。

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。它使用两个规则来探索整个搜索过程：Newton-Raphson搜索规则(NRSR)和陷阱避免算子(TAO)，并使用几组矩阵来进一步探索最佳结果。2.评价指标包含：分类准确率、灵敏度、特异性曲线下面积(AUC值)、卡帕(Kappa)系数、召回率、精确率、F1分数。3️⃣、运行结果图包括分类效果图，迭代优化图，混淆矩阵图等，如下所示。2、代码运行结果展示。

基于Transformer结合双向门控循环单元结合核极限学习机的数据多输入单输出分类预测 Matlab基于Transformer-BiGRU-KELM多特征分类预测 （多输入单输出）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.评价指标包含：分类准确率、灵敏度、特异性曲线下面积(AUC值)、卡帕(Kappa)系数、召回率、精确率、F1分数。3.Transformer 作为一种创新的神经网络结构，深受欢迎。

Matlab(双优化)6模型多变量时序预测一键对比 (多输入单输出)[原创未发表] 基于(双优化)、VMD-Transformer-LSTM、VMD-Transformer、VMD-LSTM、Transformer、LSTM六模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码赠送BKA，PLO原文献1.先运行main1进行VMD和BKA-VMD分解，其中采用BKA确定最优alpha和K值(图1-4)2.在运行main2进行六模型一键对比1.程序已经调试好，

独家原创]基于单变量时序预测-递归预测未来数据 (单输入单输出)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.预测的未来未知的数据可自动导出至main所在的excel里。(图2)3.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。

独家原创]基于(鱼鹰)多变量时序预测【24年新算法】 （多输入单输出）隐藏层节点数、正则化系数、初始化学习率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。

独家原创]基于(鱼鹰)单变量时序预测【24年新算法】 （单输入单输出）隐藏层节点数、正则化系数、初始化学习率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。

独家原创]基于(开普勒)KOA-Transformer-BiLSTM多特征分类预测【24年新算法】 （多输入单输出） Matlab代码隐藏层节点数、正则化系数、初始化学习率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.KOA开普勒算法为23年中科院一区算法！

独家原创]基于(蛇算法)SO-Transformer-BiLSTM多变量时序预测（多输入单输出）Matlab隐藏层节点数、正则化系数、初始化学习率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.目前用的人很少，需要论文的抓紧了！这就是机会！