small_ccb的博客

EMD-KPCA-WOA-LSTM多变量时序预测 基于经验模态分解-核主成分分析-鲸鱼算法-长短期记忆网络多变量时序预测 (多输入单输出) matlab代码1.其中包含EMD-KPCA-LSTM、EMD-LSTM和LSTM多变量时间序列预测的对比2.对输入特征和输出都进行进行EMD分解后再进行KPCA降维后分别和每个输出分别建模后相加；3.运行环境Matlab2018b及以上，输出RMSE、R2、MAPE、MAE等多指标对比，4.先运行emdtest，进行emd分解；再运行kpcaTest；

独家原创]VMD-Bayes-LSSVM单变量时序预测 (单输入单输出) Matlab代码+交叉验证(可自定义修改折数1-10)VMD分解，为后续结合的目标输出分别预测后相加。预测结果更准确！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！1.交叉验证默认五折，折数1-10可调！一定程度上抑制了过拟合的发生！1️⃣、运行环境要求MATLAB版本为2021b及其以上。

独家原创]VMD-NRBO-LSSVM单变量时序预测 (单输入单输出) Matlab代码+交叉验证(可自定义修改折数1-10)VMD分解，为后续结合NRBO-LSSVM的目标输出分别预测后相加。预测结果更准确！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！1.交叉验证默认五折，折数1-10可调！一定程度上抑制了过拟合的发生！

独家原创]CEEMDAN-NRBO-LSSVM单变量时序预测 (单输入单输出) Matlab代码+交叉验证(可自定义修改折数1-10)CEEMDAN分解，为后续结合NRBO-LSSVM的目标输出分别预测后相加。预测结果更准确！1.先运行main1进行CEEMDAN分解【图1-3】2.在运行main2进行单变量时序预测程序已经调试好，无需更改代码替换数据集即可运行！！！数据格式为excel！1.交叉验证默认五折，折数1-10可调！一定程度上抑制了过拟合的发生！

独家原创]CEEMDAN-Bayes-LSSVM单变量时序预测 (单输入单输出) Matlab代码+交叉验证(可自定义修改折数1-10)CEEMDAN分解，为后续结合的目标输出分别预测后相加。预测结果更准确！1.先运行main1进行CEEMDAN分解【图1-3】2.在运行main2进行单变量时序预测程序已经调试好，无需更改代码替换数据集即可运行！！！数据格式为excel！1.交叉验证默认五折，折数1-10可调！一定程度上抑制了过拟合的发生！1️⃣、运行环境要求MATLAB版本为2021b及其以上。

独家原创]CEEMDAN-FTTA、WOA、PSO、RIME-BiLSTM回归四模一键对比 (多输入单输出) Matlab代码CEEMDAN分解，为后续分别结合的目标输出分别预测后相加。预测结果更准确！1.先运行main1进行CEEMDAN分解【图1-3】2.在运行main2进行多变量回归预测一键对比1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.程序数据格式为excel！3.需要优化算法可以定制添加！前后都可以优化！！1️⃣、运行环境要求MATLAB版本为2021b及其以上。

基于变分模态分解结合足球队训练算法优化双向长短期网络()的多变量回归预测 (多输入单输出)FTTA优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD分解(图1-3)2.在运行main2进行多变量回归预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本程序数据格式为excel！3.可以定制更换优化算法和模型1️⃣、运行环境要求MATLAB版本为2020b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

基于变分模态分解结合霜冰算法优化双向长短期记忆网络()的多变量回归预测 (多输入单输出)RIME优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD分解(图1-3)2.在运行main2进行多变量回归预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本程序数据格式为excel！3.可以定制更换优化算法和模型1️⃣、运行环境要求MATLAB版本为2020b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

基于变分模态分解结合鲸鱼优化a算法优化双向长短期记忆网络()的多变量回归预测 (多输入单输出)WOA优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD分解(图1-3)2.在运行main2进行多变量回归预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本程序数据格式为excel！3.可以定制更换优化算法和模型1️⃣、运行环境要求MATLAB版本为2020b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

基于变分模态分解结合粒子群算法优化双向长短期记忆网络()的多变量回归预测 (多输入单输出)PSO优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD分解(图1-3)2.在运行main2进行多变量回归预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本程序数据格式为excel！3.可以定制更换优化算法和模型1️⃣、运行环境要求MATLAB版本为2020b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

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。1️⃣、运行环境要求MATLAB版本为2021b及其以上。多变量回归预测 (多输入单输出) Matlab代码。3.需要优化算法可以定制添加！的目标输出分别预测后相加。2.在运行main2进行多变量回归预测。3️⃣、代码中文注释清晰，质量极高。CEEMDAN分解，为后续结合。2.程序数据格式为excel！1.先运行main1进行。1.程序已经调试好，2、代码运行结果展示。

24年算法]基于冠豪猪算法优化变分模态分解结合长短期记忆神经网络(CPO-VMD-LSTM)单变量时序预测 (单输入单输出) Matlab代码1.先运行main1进行CPO-VMD分解，采用CPO算法优化VMD的K和Alpha【图1-3】2.在运行main2进行VMD-LSTM单变量时序预测1.程序已经调试好，！！！2.本文程序采用进行测试，数据格式为excel！3.1️⃣、运行环境要求MATLAB版本为2018b及其以上。

基于变分模态分解结合时间卷积网络结合长短期记忆神经网络()的多变量时序预测 (多输入单输出) Matlab代码1.先运行main1进行VMD分解(图1-3)2.在运行main2进行多变量时序预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本程序数据格式为excel！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2020b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要3️⃣、代码中文注释清晰，质量极高。

基于变分模态分解结合时间卷积网络结合长短期记忆神经网络()的单变量时序预测 (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！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2020b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

24年算法]基于变分模态分解结合牛顿拉夫逊算法优化卷积神经网络()的单变量时序预测 (单输入单输出) Matlab代码NRBO优化的参数为：学习率，批次数，正则化系数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！3.牛顿-拉夫逊优化算法Newton-Raphson-based optimizer，NRBO，受到Newton-Raphson方法的启发。

基于变分模态分解结合麻雀搜索算法优化卷积神经网络()的单变量时序预测 (单输入单输出) Matlab代码SSA优化的参数为：学习率，批次数，正则化系数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！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2020b及其以上。

基于变分模态分解结合贝叶斯算法优化卷积神经网络()的单变量时序预测 (单输入单输出) Matlab代码Bayes优化的参数为：学习率，批次数，正则化系数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！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2020b及其以上。

24年算法]基于变分模态分解结合牛顿拉夫逊算法优化广义回归神经网络()的单变量时序预测 (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！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2018b及其以上。

基于变分模态分解结合贝叶斯算法优化广义回归神经网络()的单变量时序预测 (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！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2018b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

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】

基于变分模态分解结合贝叶斯算法优化深度神经网络(VMD-Bayes-DNN)的单变量时序预测 (单输入单输出)Matlab代码Bayes优化的参数为：学习率，隐藏层节点数，正则化系数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！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2020b及其以上。

基于变分模态分解结合麻雀搜索算法优化深度神经网络()的单变量时序预测 (单输入单输出) Matlab代码SSA优化的参数为：学习率，隐藏层节点数，正则化系数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！3.可以定制更换优化算法，需要私信1️⃣、运行环境要求MATLAB版本为2020b及其以上。

24年算法]基于变分模态分解结合牛顿拉夫逊算法优化深度神经网络()的单变量时序预测 (单输入单输出) Matlab代码NRBO优化的参数为：学习率，隐藏层节点数，正则化系数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！3.牛顿-拉夫逊优化算法Newton-Raphson-based optimizer，NRBO。

基于变分模态分解结合贝叶斯算法优化时间卷积网络()的单变量时序预测 (单输入单输出)Matlab代码Bayes优化的参数为：学习率，卷积核的数量，正则化系数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！

24年算法]基于变分模态分解结合牛顿拉夫逊算法优化时间卷积网络()的单变量时序预测 (单输入单输出) Matlab代码NRBO优化的参数为：学习率，卷积核的数量，正则化系数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！

独家首发原创]【分解+递归未来】基于变分模态分解结合贝叶斯算法优化长短期记忆神经网络(VMD-Bayes-LSTM)单变量时序预测-递归预测 (单输入单输出) Matlab代码1.先运行main1进行VMD分解【图2-4】2.在运行main2进行VMD-Bayes-LSTM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！3.需要其他算法的都可以定制！1️⃣、运行环境要求MATLAB版本为2018b及其以上。

VMD-IDBO-LSTM多变量时序预测 基于变分模态分解-改进蜣螂算法-长短期记忆网络多变量时序预测IDBO优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD分解(图1-3)2.在运行main2进行多变量时序预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.本程序采用北半球光伏数据进行测试，数据格式为excel！3.可以定制更换优化算法和模型1️⃣、运行环境要求MATLAB版本为2020b及其以上。

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。

原创未发表] 基于IVY-VMD-SSA-CNN-BiGRU-Attention(双优化)、IVY-VMD-IVY-CNN-BiGRU-Attention(双优化)、IVY-VMD-BKA-CNN-BiGRU-Attention(双优化)、IVY-VMD-CNN-BiGRU-Attention、IVY-VMD-CNN-BiGRU、IVY-VMD-BiGRU、BiGRU七模型多变量时序预测一键对比(仅运行一个main即可) Matlab代码可赠送IVY，BKA原文献。

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。

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。

【分解+双重优化】基于的单变量时序预测 (单输入单输出)基于算数优化算法优化变分模态分解结合量子粒子群优化门控循环单元()的单变量时序预测QPSO优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD和AOA-VMD分解，其中采用AOA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！3.可以定制更换优化算法和模型。

【分解+双重优化】基于的单变量时序预测 (单输入单输出)基于算数优化算法优化变分模态分解结合量子粒子群优化双向长短期记忆网络()的单变量时序预测QPSO优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD和AOA-VMD分解，其中采用AOA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！3.可以定制更换优化算法和模型。

【分解+双重优化】基于的单变量时序预测 (单输入单输出)基于算数优化算法优化变分模态分解结合量子粒子群优化长短期记忆网络()的单变量时序预测1.先运行main1进行VMD和AOA-VMD分解，其中采用AOA确定最优alpha和K值2.在运行main2进行单变量时序预测1.程序已经调试好，！！！2.本文程序采用进行测试，数据格式为excel！3.1️⃣、运行环境要求MATLAB版本为2020b及其以上2️⃣、评价指标包括:R2、MAE、MSE、RPD、RMSE、MAPE等，图很多，符合您的需要。

基于变分模态分解结合粒子群算法优化双向长短期记忆网络()的单变量时序预测 (单输入单输出)SSA优化的参数为：学习率，隐藏层节点数，正则化系数1.先运行main1进行VMD分解(图2)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！3.可以定制更换优化算法和模型1️⃣、运行环境要求MATLAB版本为2020b及其以上。

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]CEEMDAN-WOA-BiLSTM多变量回归预测 (多输入单输出) Matlab代码CEEMDAN分解，为后续结合WOA-BiLSTM的目标输出分别预测后相加。预测结果更准确！1.先运行main1进行CEEMDAN分解【图2-4】2.在运行main2进行多变量回归预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.程序数据格式为excel！并且添加超参数随迭代寻优过程图像！3. 需要优化算法可以定制添加！前后都可以优化！！

独家原创]CEEMDAN-FTTA-BiLSTM多变量回归预测 (多输入单输出) Matlab代码CEEMDAN分解，为后续结合的目标输出分别预测后相加。预测结果更准确！1.先运行main1进行CEEMDAN分解【图2-4】2.在运行main2进行多变量回归预测1.程序已经调试好，无需更改代码替换数据集即可运行！！！2.程序数据格式为excel！并且添加超参数随迭代寻优过程图像！3.足球队训练算法(Football team training algorithm,FTTA)