网站建设的技术亮点,单位宣传册设计样本,复旦学霸张立勇做的网站,大庆网站制作区间预测 | Matlab实现GRU-Attention-KDE核密度估计多置信区间多变量回归区间预测 目录 区间预测 | Matlab实现GRU-Attention-KDE核密度估计多置信区间多变量回归区间预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍
1.Matlab实现GRU-Attention-KDE门控循环单元注意力…区间预测 | Matlab实现GRU-Attention-KDE核密度估计多置信区间多变量回归区间预测 目录 区间预测 | Matlab实现GRU-Attention-KDE核密度估计多置信区间多变量回归区间预测效果一览基本介绍程序设计参考资料 效果一览 基本介绍
1.Matlab实现GRU-Attention-KDE门控循环单元注意力机制核密度估计多置信区间多变量回归区间预测
2.多变量单输出包括点预测概率预测曲线核密度估计曲线MatlabR2023b及以上版本运行提供多种置信区间评价指标包括R2、MAE、RMSE、MAPE、区间覆盖率picp、区间平均宽度百分比pinaw等。
3.直接替换Excel数据即可用注释清晰适合新手小白直接运行main文件一键出图。
4.代码特点参数化编程、参数可方便更改、代码编程思路清晰、注释明细。
程序设计
完整程序和数据获取方式私信博主回复Matlab实现GRU-Attention-KDE核密度估计多置信区间多变量回归区间预测。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行res xlsread(data.xlsx);
%%
num_size 0.7;% 训练集占数据集比例
dataran 0; %不打乱数据
%%
%% 数据分析
outdim 1; % 最后一列为输出
num_samples size(res, 1); % 样本个数
num_train_s round(num_size * num_samples); % 训练集样本个数
AA1 res(1:num_train_s,:);
AA2 res(num_train_s1:end-1,:);
AA3 res(end,:);
clear res;
if dataran 1AA1 AA1(randperm(size(AA1, 1)), :); % 打乱数据集AA2 AA2(randperm(size(AA2, 1)), :); % 打乱数据集
end
res[AA1;AA2;AA3];
f_ size(res, 2) - outdim; % 输入特征维度
%% 归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);
%% *值评估指标*
errorTest T_sim2 - T_test;
AE abs(errorTest); %绝对误差
MSEErrorTest mse(errorTest); %测试集误差
figure;
subplot(2,2,1)
bar(errorTest);
subplot(2,2,2)
histogram(AE,BinWidth,0.5);
xlabel(绝对误差区间的中位数,FontWeight,bold);
ylabel(位于该误差区间的样本个数,FontWeight,bold);
MAE sum(AE)/length(AE);
MSE MSEErrorTest;
RMSE sqrt(MSE);
disp([测试集数据的R2为, num2str(R2)])
disp([测试集数据的MAE为, num2str(mae2)])
disp([测试集数据的RMSE为, num2str(RMSE2)])
disp([测试集数据的MAPE为, num2str(MAPE2)])
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/127931217 [2] https://blog.csdn.net/kjm13182345320/article/details/127418340
