时空预测+特征分解!高性能!EMD-Transformer和Transformer多变量交通流量时空预测对比
目录
- 时空预测+特征分解!高性能!EMD-Transformer和Transformer多变量交通流量时空预测对比
- 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EMD-Transformer和Transformer多变量交通流量时空预测对比,时间上考虑历史流量信息的影响,空间上考虑邻接路段对目标路段交通流量的影响;
2.emd把原输入全分解变成很多维作为Transformer输入预测 ;
3.运行环境Matlab2023b及以上,输出RMSE、R2、MAPE、MAE等多指标对比,
先运行main1_EMD,进行emd分解;再运行main2_EMD_Transformer建模预测对比。
程序设计
- 完整程序和数据下载私信博主回复时空预测+特征分解!高性能!EMD-Transformer和Transformer多变量交通流量时空预测对比。
clc;
clear
close allticnum_samples = length(data); % 样本个数
kim = 5; % 延时步长(kim个历史数据作为自变量)
zim = 1; % 跨zim个时间点进行预测
or_dim = size(data,2);
res=[];
% 重构数据集
for i = 1: num_samples - kim - zim + 1res(i, :) = [reshape(data(i: i + kim - 1,:), 1, kim*or_dim), data(i + kim + zim - 1,:)];
end% 训练集和测试集划分
outdim = 1; % 最后一列为输出
num_size = 0.7; % 训练集占数据集比例
num_train_s = round(num_size * num_samples); % 训练集样本个数
f_ = size(res, 2) - outdim; % 输入特征维度P_train = res(1: num_train_s, 1: f_)';
T_train = res(1: num_train_s, f_ + 1: end)';
M = size(P_train, 2);P_test = res(num_train_s + 1: end, 1: f_)';
T_test = res(num_train_s + 1: end, f_ + 1: end)';
N = size(P_test, 2);%% 数据归一化
[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);
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502