- 博客(1517)
- 收藏
- 关注
RSS订阅
原创 声明 | 从未和“某某算法屋”这个账号合作，曝光抄袭！
ID：前程算法屋 你真牛！！！抄的真棒都不用自己写文案了两个小写字母是我不小心敲错了，你也敲错了吗？太巧了吧！直接用我的图数值都是一样的？我还是只列举了四个，大家注意甄别吧，从来没和这个ID合作过，而且可以看他的发布时间和我的对一下，甚至图片很多都用我的指标的数值都一样，很多发的图和文案啥的都对不上。明眼人可以自行查证一下发布时间就清楚了。再次声明本账号从未和这个账号进行合作，奉劝你一句适可而止吧，你这样做你和你主页说的这些账号有什
2024-12-31 15:48:54
1410
1
原创 基于(SVM-RFE-BP)支持向量机递归特征消除特征选择算法结合BP神经网络多变量回归预测(多输入单输出)
摘要：该程序采用SVM-RFE-BP算法实现多变量回归预测，通过支持向量机递归特征消除进行特征选择后，结合BP神经网络进行预测。更新后采用6+6可视化模式展示结果（6个误差分析图+6个统计分布图），并附带详细解释文档。程序已调试完成，支持Excel格式数据，适用于FO工艺数据库分析（输入特征包括膜面积、流速等参数）。运行环境需MATLAB 2018b及以上版本，提供R2、MAE等多种评价指标。代码注释清晰，附带测试数据集，适合新手直接使用。
2026-01-07 23:38:02
115
原创 基于1D-CNN的数据多变量回归预测 (多输入单输出)
摘要：本文介绍了一个基于1D-CNN的多变量回归预测MATLAB程序，可直接用于FO工艺数据分析。程序支持多输入单输出预测，输入特征包括膜面积、流速、浓度等参数。该代码已在2018b及以上MATLAB环境调试完成，提供R2、MAE等多项评价指标及可视化结果。程序包含详细中文注释和测试数据集，适合初学者直接使用，只需替换Excel格式数据即可运行。文末附有代码获取方式。
2026-01-07 23:36:57
162
原创 (加交叉验证)基于GPR的数据多变量回归预测 (多输入单输出)
摘要：本文介绍了一个基于高斯过程回归(GPR)的多变量回归预测MATLAB程序，适用于多输入单输出数据建模。程序采用5折交叉验证（可调），使用FO工艺数据库（膜面积、流速、浓度等特征），输出R2、MAE等多项评估指标，并自动生成可视化结果图。代码已调试完成，附带测试数据集，支持Excel格式数据直接替换使用。运行环境要求MATLAB 2018b及以上版本，代码含中文注释，适合初学者快速上手应用。
2026-01-07 23:36:09
163
原创 Matlab 基于蚁群算法优化高斯过程回归(ACO-GPR)的数据多变量回归预测+交叉验证 (多输入单输出)
摘要：该Matlab程序基于蚁群算法优化高斯过程回归(ACO-GPR)，实现多变量回归预测并采用5折交叉验证(可调)。程序支持多输入单输出，评价指标包括RMSE、R2等7项，可有效抑制过拟合。代码已调试完成，替换Excel数据集即可运行，适用于Matlab2018b及以上版本。程序提供中文注释和测试数据集，适合新手使用。运行结果可视化展示丰富，还可根据需求定制其他优化算法。
2026-01-07 23:34:11
135
原创 Matlab 基于蜣螂算法优化高斯过程回归(DBO-GPR)的数据多变量回归预测+交叉验证 (多输入单输出)
摘要：Matlab基于蜣螂算法优化高斯过程回归(DBO-GPR)实现多变量回归预测，支持5折交叉验证(可调)，有效抑制过拟合。程序已调试完成，可直接替换Excel数据集运行。评价指标包含RMSE、R2等7项，支持定制其他优化算法。运行环境要求MATLAB2018b及以上，代码含中文注释，附赠测试数据集，适合新手使用。
2026-01-07 23:31:32
144
原创 [原创]基于VMD-SE-LSTM+Transformer多变量时序预测 Matlab代码
摘要：本文介绍了一种基于变分模态分解(VMD)、样本熵(SE)和混合神经网络(LSTM+Transformer)的多变量时序预测方法。该方法通过VMD-SE对输出数据进行分解，将分量划分为高频和低频部分，分别采用LSTM和Transformer模型进行建模。程序采用北半球光伏功率数据测试，包含完整评价指标(R2、MAE等)和可视化结果。代码已调试完毕，附带中文注释和测试数据集，适合MATLAB 2023b及以上版本运行，可直接替换数据进行预测应用。
2026-01-07 23:30:04
793
原创 [独家原创]CPO-VMD-KPCA-CPO-LSTM单变量时序预测 (单输入单输出) matlab代码
本文介绍了一种基于CPO-VMD-KPCA-CPO-LSTM的单变量时序预测方法。该方法采用冠豪猪算法(CPO)优化变分模态分解(VMD)和长短期记忆网络(LSTM)，结合核主成分分析(KPCA)进行降维处理。代码在Matlab2020b及以上环境运行，通过风速数据测试，提供RMSE、R2、MAPE等多项评价指标，并采用6+6模式实现结果可视化。该CPO算法为2024年新发表的中科院1区SCI成果，具有创新性。代码包含详细中文注释，附带测试数据集，适合新手直接使用。
2026-01-07 23:28:59
219
原创 基于贝叶斯算法优化BP神经网络(BO-BP/Bayes-BP)的数据单变量时序预测 Matlab
摘要：本文提供基于贝叶斯算法优化BP神经网络的单变量时序预测Matlab代码，适用于电力数据预测。程序已调试完成，可直接替换Excel数据集运行，优化参数为隐藏层神经元个数和学习率。运行环境要求MATLAB 2018b及以上版本，提供R2、MAE、MSE等多种评价指标及可视化结果。代码含中文注释，附带测试数据集，适合新手使用。获取方式详见文末。
2026-01-07 23:27:06
128
原创 基于IWOA-CNN-BiLSTM-Attention多变量时序预测 Matlab代码
摘要：本文介绍了一个基于IWOA-CNN-BiLSTM-Attention的多变量时序预测Matlab代码，包含三个改进点：准反向学习初始化种群、非线性收敛因子调节搜索能力、自适应权重+随机差分变异保持种群多样性。代码已调试完成，可直接替换Excel数据集运行，提供RMSE、R2等7种评价指标，适用于MATLAB2020b及以上版本。该代码注释清晰，附带测试数据集，适合科研使用，并支持算法优化定制服务。
2026-01-07 23:25:39
85
原创 Matlab CEEMDAN-CPO-VMD-Transformer多变量时序预测
【摘要】本文提出一种基于CEEMDAN-CPO-VMD-Transformer的多变量时序预测方法，采用双重分解策略提升预测精度。首先通过CEEMDAN分解原始数据并计算样本熵进行聚类，再利用新型CPO算法优化VMD对高频分量二次分解，最后结合Transformer网络挖掘时序特征。方法在北半球光伏功率数据上验证有效，提供R2、MAE等多项评价指标，MATLAB代码含中文注释且可替换数据集直接运行。包含2024年最新CPO优化算法，适合科研应用。（149字）
2026-01-07 23:24:41
206
原创 [独家原创]VMD-KPCA-CCO-CNN-BiGRU-Attention多变量时序预测 (多输入单输出)matlab
摘要：本文介绍了一种基于VMD-KPCA-CCO-CNN-BiGRU-Attention的多变量时序预测模型。该模型采用变分模态分解和核主成分分析进行特征处理，结合杜鹃鲶鱼优化算法、卷积神经网络、双向门控循环单元和注意力机制进行预测。代码适用于Matlab2020b及以上版本，提供RMSE、R2、MAPE等多指标评估，包含详细中文注释和测试数据集。运行流程包括VMD分解、KPCA降维和主预测程序三部分。该模型特别适合风电场等多变量时序预测任务，操作简便，适合科研人员使用。
2025-12-29 23:11:43
144
原创 [独家原创]VMD-KPCA-CCO-CNN-GRU-Attention多变量时序预测 (多输入单输出) matlab
本文介绍了一种基于VMD-KPCA-CCO-CNN-GRU-Attention的多变量时序预测方法。该方法采用变分模态分解和核主成分分析对输入特征进行预处理，结合杜鹃鲶鱼算法优化参数，通过卷积神经网络和门控循环单元实现特征提取，并引入注意力机制提升预测性能。代码在Matlab2020b及以上环境运行，提供RMSE、R2、MAPE等多项评估指标对比，包含详细中文注释和测试数据集。该算法创新性地融合了多种先进技术，适用于风电场等多变量时序预测任务。
2025-12-29 23:10:38
115
原创 [独家原创]VMD-KPCA-CCO-CNN-BiLSTM-Attention多变量时序预测(多输入单输出)matlab
摘要：本文介绍了一种基于VMD-KPCA-CCO-CNN-BiLSTM-Attention的多变量时序预测方法，采用风电场数据进行建模。该方法通过变分模态分解和核主成分分析对输入特征进行预处理，结合杜鹃鲶鱼优化算法和深度学习模型进行预测。代码运行环境要求Matlab2020b及以上，提供RMSE、R2等多指标评估，包含完整中文注释和测试数据集。代码获取方式见文末，适合科研人员和初学者使用。
2025-12-29 23:09:02
284
原创 [独家原创]VMD-KPCA-CCO-CNN-LSTM-Attention多变量时序预测 (多输入单输出) matlab
摘要：本文介绍了一种基于VMD-KPCA-CCO-CNN-LSTM-Attention的多变量时序预测模型，适用于多输入单输出场景。该模型结合变分模态分解、核主成分分析、杜鹃鲶鱼算法、卷积神经网络、长短期记忆网络和注意力机制，采用风电场数据进行预测。代码运行环境要求MATLAB2020b及以上版本，提供RMSE、R2、MAPE等多项评价指标对比。实现步骤包括先运行VMD分解，再进行KPCA降维，最后运行主预测模型。该模型采用2025年提出的新型杜鹃鲶鱼优化算法，代码注释清晰，附带测试数据集，适合新手使用。
2025-12-29 23:06:54
228
原创 Matlab CEEMDAN-CPO-VMD-PLO-Transformer-BiGRU6模型单变量时序预测一键对比
摘要：本文介绍了一种基于Matlab的6模型单变量时序预测对比方案，采用CEEMDAN-CPO-VMD-PLO-Transformer-BiGRU双优化模型，包含一键对比功能。方案通过CEEMDAN分解和CPO-VMD二次分解处理高频分量，结合Transformer编码器和BiGRU进行预测。代码已调试完成，支持电力数据格式，提供R2、MAE等多项评价指标。运行环境要求MATLAB 2023b及以上版本，包含中文注释和测试数据集，适合初学者使用。
2025-12-29 23:02:21
246
原创 Matlab CEEMDAN-CPO-VMD-PLO-Transformer-GRU6模型单变量时序预测一键对比
本文提出一种基于CEEMDAN-CPO-VMD-PLO-Transformer-GRU六模型对比的单变量时序预测方法。该方法通过CEEMDAN分解和样本熵聚类，采用CPO优化VMD参数进行二次分解，结合Transformer编码器和GRU网络进行预测。代码包含VMD-Transformer-GRU等多个对比模型，一键运行即可获得R2、MAE等评价指标。程序已调试完成，支持直接替换Excel数据集使用，特别适合时序预测研究。运行环境要求MATLAB 2023b及以上版本，代码包含详细中文注释和测试数据。
2025-12-29 22:57:12
346
原创 Matlab CEEMDAN-CPO-VMD-PLO-Transformer-BiLSTM6模型单变量时序预测一键对比
本文介绍了一种基于Matlab的多模型单变量时序预测方法。该方法整合了CEEMDAN-CPO-VMD-PLO-Transformer-BiLSTM等6种模型，通过一键运行即可实现对比分析。系统采用CEEMDAN分解和样本熵聚类，利用CPO优化VMD参数，结合Transformer编码器挖掘时序特征，最后通过BiLSTM进行预测。该方案支持多输入单输出模式，提供R2、MAE等多项评价指标，附带完整测试数据集和详细中文注释，适合MATLAB 2023b及以上环境运行。代码已调试完成，用户只需替换数据即可使用，特
2025-12-29 22:56:00
335
原创 Matlab CEEMDAN-CPO-VMD-PLO-Transformer-LSTM6模型单变量时序预测一键对比
本文提出了一种基于CEEMDAN-CPO-VMD-PLO-Transformer-LSTM(双优化)的6模型单变量时序预测方法，可实现一键对比分析。该方法首先通过CEEMDAN分解和样本熵聚类，采用CPO优化VMD参数对高频分量二次分解，再将分解结果与Transformer-LSTM模型结合预测。代码包含VMD-Transformer-LSTM等6种模型对比，支持多输入单输出预测，评价指标完善。程序已调试完成，用户只需替换数据集即可运行，适合电力数据等单变量时序预测任务，预测精度较高。运行环境需MATLAB
2025-12-29 22:50:33
532
原创 (加交叉验证)基于1D-CNN的数据多变量回归预测 (多输入单输出)
摘要：本文介绍了一个基于1D-CNN的多变量回归预测程序，适用于多输入单输出的数据分析。程序已调试完成，可直接替换Excel数据集运行，默认采用5折交叉验证。输入特征包括膜面积、流速等5个变量，输出预测结果。运行要求MATLAB 2018b及以上版本，提供R2、MAE等多项评价指标和可视化图表。代码注释清晰，附带测试数据集，适合初学者使用。文末提供代码获取方式。
2025-12-29 22:49:31
504
原创 (加交叉验证)基于XGBoost的数据多变量回归预测 (多输入单输出)
摘要：本文介绍了一个基于XGBoost的多变量回归预测程序，适用于多输入单输出的数据建模。该程序采用5折交叉验证（可调），支持Excel格式数据输入，特征包括膜面积、流速等工艺参数。程序已在MATLAB 2018b及以上环境调试完成，提供R2、MAE等多种评价指标和可视化结果。代码包含中文注释，附带测试数据集，用户只需替换数据即可使用，适合初学者。运行结果展示和代码获取方式详见正文。
2025-12-29 22:48:45
582
原创 基于CNN-DELM单变量时序预测 Matlab
摘要：本文介绍了一个基于CNN-DELM混合模型的单变量时序预测Matlab程序，采用12种可视化方式（6种误差分析+6种统计分布）展示结果。代码已调试完善，支持Excel格式电力数据，包含R2、MAE等评价指标，附带详细中文注释和测试数据集。适用于Matlab 2021b及以上环境，提供完整运行指南和结果展示，适合初学者直接使用。（99字）
2025-12-26 23:47:31
277
原创 基于CNN-DELM多变量时序预测 Matlab
基于CNN-DELM模型的时序预测Matlab代码 摘要：本文提供了一套基于卷积神经网络(CNN)和深度极限学习机(DELM)的多变量时序预测Matlab代码。该代码具有以下特点：1) 采用6+6可视化模式(6个误差分析图+6个统计分布图)；2) 附带详细Word说明文档；3) 包含完整中文注释，适合新手使用；4) 提供测试数据集，用户只需替换数据即可运行；5) 要求Matlab 2021b及以上版本(可提供)。代码已调试完成，支持R2、MAE、MSE等多种评价指标，实现了"开箱即用"的
2025-12-26 23:46:49
134
原创 Matlab【独家原创】基于IVY-CNN-BiGRU-Attention-SHAP可解释性分析的分类预测
摘要：本文介绍了一种基于常青藤算法(IVY)优化的CNN-BiGRU-Attention混合模型，结合SHAP可解释性分析框架，实现多输入单输出的分类预测。该模型通过IVY算法优化网络参数，并采用两种SHAP分析方法(标准版和提速版)提供决策解释。代码采用MATLAB编写(2020b及以上版本)，支持二分类和多分类任务，包含详细中文注释和测试数据集。该模型兼具高精度预测和可解释性优势，相关成果发表于SCI一区期刊《Knowledge-Based Systems》，适用于需要模型解释的复杂分类场景。
2025-12-26 23:44:36
294
原创 Matlab 基于(BiLSTM-GPR)双向长短期记忆神经网络结合高斯过程回归的多变量回归预测
摘要：本文介绍了一种基于BiLSTM-GPR（双向长短期记忆神经网络结合高斯过程回归）的多变量回归预测MATLAB程序。该程序支持多输入单输出，具有即用性（替换Excel数据集即可运行）、完善的评价指标（RMSE、R2等7项）和可视化功能。程序要求MATLAB 2018b及以上版本，提供中文注释和测试数据集，适合科研人员直接应用或作为算法优化基础。文中展示了运行效果并提供了获取方式。
2025-12-22 22:51:48
295
原创 Matlab【独家原创】基于DOA-CNN-BiGRU-Attention-SHAP可解释性分析的分类预测
摘要：本文介绍了一种基于豺算法优化的DOA-CNN-BiGRU-Attention混合模型，结合SHAP可解释性分析工具，实现多输入单输出的分类预测。该模型通过优化卷积神经网络和双向门控循环单元结构，并引入注意力机制提升性能。针对SHAP分析速度问题，提供了正常版和提速版两种计算方案。文章详细说明了模型的数学原理、代码实现（MATLAB 2020b+环境）和可视化效果，包括分类结果、优化过程和混淆矩阵等。该方案兼顾预测精度与可解释性，适用于二分类和多分类任务，附带测试数据集和详细使用说明。
2025-12-15 22:26:29
329
原创 Matlab【独家原创】基于DOA-CNN-GRU-Attention-SHAP可解释性分析的分类预测
摘要：本文介绍了一种基于豺算法(DOA)优化的CNN-GRU-Attention混合模型，结合SHAP可解释性分析的多输入单输出分类预测方法。该模型通过特征贡献分析实现决策过程可视化，并提供了两种SHAP计算版本（常规版和提速版）以适应不同数据需求。程序采用MATLAB2020b及以上版本开发，支持二分类和多分类任务，包含详细的运行结果展示（分类效果图、优化迭代图、混淆矩阵等）和中文注释。模型创新性地将最新发表的DOA优化算法与深度学习相结合，在保持预测精度的同时增强了模型可解释性，适用于各类复杂系统的建模
2025-12-15 22:25:05
318
原创 Matlab【独家原创】基于DOA-CNN-BiLSTM-Attention-SHAP可解释性分析的分类预测
本文介绍了一种基于豺算法优化的CNN-BiLSTM-Attention混合模型，结合SHAP可解释性分析的多输入单输出分类预测方法。该模型通过DOA算法优化网络参数，并附带两种SHAP计算版本（常规版和提速版）以适应不同数据需求。文章强调该方法在保持高预测精度的同时，利用SHAP分析提供直观的特征贡献解释，解决了复杂模型可解释性问题。代码采用MATLAB实现，兼容二分类和多分类任务，包含详细中文注释和测试数据集，适合机器学习初学者使用。运行结果可视化包括分类效果图、优化迭代曲线和混淆矩阵等。
2025-12-15 22:24:14
340
原创 Matlab【独家原创】基于DOA-CNN-LSTM-Attention-SHAP可解释性分析的分类预测
摘要：本文介绍了一种基于豺算法(DOA)优化的CNN-LSTM-Attention混合模型，结合SHAP可解释性分析的多输入单输出分类预测方法。该模型通过优化算法提升性能，并附有正常版和提速版两种SHAP计算文件。文章详细说明了模型特点：MATLAB2020b以上环境运行、支持二分类/多分类、中文注释清晰，并提供测试数据集。同时展示了分类效果图、迭代优化图和混淆矩阵图等运行结果。该混合建模框架实现了预测精度与解释能力的统一，为复杂系统建模提供了新思路。
2025-12-15 22:22:04
268
原创 Matlab【独家原创】基于IVY-CNN-BiLSTM-Attention-SHAP可解释性分析的分类预测
摘要：本文介绍了一种基于常青藤算法(IVY)优化的CNN-BiLSTM-Attention混合模型，结合SHAP可解释性分析的分类预测方法。该模型采用两种SHAP计算版本(正常版和提速版)以提高分析效率，适用于多输入单输出的分类任务。文章详细说明了代码的使用方法，包括数据格式要求(MATLAB 2020b及以上环境)、运行结果展示(包含分类效果图、优化迭代图等)以及获取方式。该创新方法将机器学习的高精度预测与SHAP的可解释性分析相结合，为模型决策过程提供了直观解释，特别适合需要模型可解释性的应用场景。
2025-12-15 22:20:31
259
原创 Matlab【独家原创】基于IVY-CNN-LSTM-Attention-SHAP可解释性分析的分类预测
摘要：本文介绍了一种基于IVY优化算法改进的CNN-LSTM-Attention混合模型，结合SHAP可解释性分析工具，实现多输入单输出的分类预测。针对SHAP分析速度慢的问题，提供了正常版和提速版两种计算方案。该模型在保持高预测精度的同时，通过SHAP分析实现决策过程可视化，兼具性能与可解释性优势。代码采用MATLAB编写(需2020b以上版本)，附带测试数据集，支持二分类和多分类任务，包含分类效果图、优化曲线和混淆矩阵等可视化结果。该成果基于2024年发表的SCI一区论文，具有较强创新性和实用性。
2025-12-15 22:19:39
225
原创 Matlab【独家原创】基于CPO-CNN-BiGRU-Attention-SHAP可解释性分析的分类预测
本文介绍了一种基于冠豪猪算法(CPO)优化的CNN-BiGRU-Attention混合模型，结合SHAP可解释性分析的多输入单输出分类预测方法。该模型采用2024年新提出的CPO算法进行优化，在保持高预测精度的同时，通过SHAP分析提供决策解释。程序包含两种SHAP计算版本(常规和提速)，支持二分类和多分类任务，适用于MATLAB2020b及以上环境。代码注释清晰，附带测试数据集，可直接运行并输出分类效果图、迭代优化图和混淆矩阵图等可视化结果。该方案将深度学习与可解释性分析相结合，为复杂系统建模提供了新思路
2025-12-15 22:16:58
575
原创 [双重分解+递归]CEEMDAN-VMD-Transformer-BiGRU单变量时序预测-递归预测未来数据
本文介绍了一种基于CEEMDAN-VMD-Transformer-GRU混合模型的单变量时序预测方法。该方法通过CEEMDAN分解原始数据，计算样本熵并进行kmeans聚类，再对高频分量进行VMD二次分解。分解后的分量经Transformer-GRU模型分别预测后相加，提高预测精度。代码已在Matlab 2023b环境调试完成，支持R2、MAE等多项评价指标，并提供详细中文注释和测试数据集。运行分为两个步骤：先进行CEEMDAN-VMD双重分解，再进行时序预测。该方法特别适合风速等单变量时间序列预测任务，用
2025-12-15 22:13:51
348
原创 [双重分解+递归]CEEMDAN-VMD-Transformer-GRU单变量时序预测-递归预测未来数据
【摘要】本文介绍了一种基于CEEMDAN-VMD-Transformer-GRU的混合单变量时序预测方法。该方法首先通过CEEMDAN分解原始数据并计算样本熵进行kmeans聚类，再对高频分量进行VMD二次分解。分解后的分量经Transformer-GRU模型分别预测后相加，最终获得更准确的预测结果。代码采用Matlab编写（需2023b及以上版本），包含详细中文注释，提供风速测试数据集，可直接替换数据使用。运行流程分为分解和预测两个步骤，评价指标包括R2、MAE等多项指标，并输出丰富可视化结果。该方法特别
2025-12-15 22:13:07
480
原创 [双重分解+递归]CEEMDAN-VMD-Transformer-BiLSTM单变量时序预测-递归预测未来数据
摘要： 本文介绍了一种基于CEEMDAN-VMD-Transformer-BiLSTM的单变量时序预测方法。该方法首先通过CEEMDAN分解和VMD二次分解处理数据，然后结合Transformer编码器和BiLSTM网络进行预测。代码已在Matlab2023b环境下调试完成，包含详细中文注释，可直接替换数据集使用。预测结果展示了R2、MAE等多个评价指标，适用于风速等单变量时间序列预测任务。代码包含完整的数据处理和可视化功能，特别适合科研和工程应用需求。
2025-12-15 22:11:20
665
原创 【原创】基于[并行]Bayes-Transformer-BiGRU单变量时序预测 Matlab
摘要：本文介绍了一个基于贝叶斯算法优化Transformer结合BiGRU的多变量时序预测Matlab代码。该代码采用6+6可视化模式展示模型结果，包含基础误差分析和统计分布分析图像，并附有详细解释。程序已调试完善，可直接替换Excel数据集运行，适用于光伏、负荷等预测任务。优化参数包括隐藏层节点数、正则化系数和学习率。要求MATLAB 2023b及以上版本，提供测试数据集和中文注释，适合新手使用。评价指标涵盖R2、MAE、MSE等多项指标。
2025-12-11 22:56:52
265
原创 【原创】基于[并行]Bayes-Transformer-GRU单变量时序预测 Matlab
本文介绍了一个基于贝叶斯算法优化Transformer-GRU模型的单变量时序预测Matlab代码。该程序采用6+6模式实现模型结果可视化（6个基础误差分析图+6个统计分布图），并附赠word解释文档。代码优化了隐藏层节点数、正则化系数等超参数，可直接运行excel格式数据集，无需修改。程序适用于2023b及以上MATLAB版本，提供R2、MAE等多指标评估，中文注释清晰，附带测试数据集，特别适合新手使用。
2025-12-11 22:55:39
289
原创 【原创】基于[并行]Bayes-Transformer-BiLSTM单变量时序预测 Matlab
本文介绍了一个基于贝叶斯算法优化Transformer-BiLSTM模型的单变量时序预测Matlab代码。该代码采用6+6模式实现模型结果可视化（6个基础误差分析图+6个统计分布图），并附有详细解释文档。代码优化了隐藏层节点数、正则化系数和学习率等超参数，适用于光伏、负荷等时序数据预测。程序已调试完善，可直接替换Excel数据集运行，支持R2、MAE、MSE等多种评价指标。运行环境要求MATLAB 2023b及以上版本，代码包含中文注释并附带测试数据集，非常适合新手使用。
2025-12-11 22:54:23
301
原创 【原创】基于[并行]Bayes-Transformer-LSTM单变量时序预测 Matlab
本文介绍了一种基于贝叶斯算法优化Transformer-LSTM的时序预测方法。该Matlab代码实现了单变量时序预测，采用6+6可视化模式展示模型结果，包含基础误差分析和统计分布图像。代码可直接运行，适用于光伏、负荷等时序数据预测，评价指标包括R2、MAE等。优化参数为隐藏层节点数、正则化系数和学习率，无需修改代码即可替换数据集使用。运行环境要求MATLAB 2023b及以上版本，附带测试数据和详细中文注释，适合新手使用。
2025-12-11 22:53:50
270
原创 【原创】基于[并行]Bayes-Transformer-BiGRU多变量时序预测 Matlab
本文介绍了一种基于贝叶斯算法优化的Transformer-BiGRU混合模型，用于多变量时序预测。该Matlab代码可直接运行，适合新手使用，采用6+6可视化模式展示模型结果（6个误差分析图+6个统计分布图）。模型通过贝叶斯优化隐藏层节点数、正则化系数和学习率等超参数，利用Transformer编码器挖掘时序数据的复杂关系。代码包含详细中文注释，支持R2、MAE等评价指标，附带测试数据集，要求MATLAB 2023b及以上环境运行。文章提供了代码简介、运行结果展示和获取方式。
2025-12-11 22:50:16
120
基于KELM+SHAP可解释性分析的回归预测 Matlab代码(多输入单输出)
2025-06-24
基于LSTM多变量时序预测免费（Matlab完整代码+数据）
2024-08-14
基于RF多变量时序预测（Matlab完整代码+数据）
2024-08-14
免费基于CNN多变量时序预测（Matlab完整代码+数据）
2024-08-14
基于RBF回归预测免费（Matlab完整代码+数据）
2024-08-14
基于PSO-SVM的数据回归预测（附带Matlab完整代码）
2024-08-09
基于PSO-SVM的数据分类预测（附带免费的Matlab完整代码）
2024-08-08
基于PSO-BP的数据分类预测（附带免费的Matlab完整代码）
2024-08-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人