多变量时间序列预测模型对比：TCN-LSTM-MATT、TCN-LSTM、TCN、LSTM
本仓库提供了一个资源文件，用于实现TCN-LSTM-MATT、TCN-LSTM、TCN、LSTM多变量时间序列预测的对比。资源文件包括数据集和主程序文件，用户可以通过运行这些文件来进行多变量时间序列预测，并对比不同模型的性能。
资源文件内容
- 数据集：
- 格式：Excel
- 包含4个输入特征和1个输出特征
- 考虑历史特征的影响，适用于多变量时间序列预测
- 主程序文件：
Mian1_TCN.m：时间卷积神经网络（TCN）Mian2_LSTM.m：长短期记忆神经网络（LSTM）Mian3_TCN_LSTM.m：时间卷积长短期记忆神经网络（TCN-LSTM）Mian4_TCN_LSTM_MATT.m：时间卷积长短期记忆神经网络融合多头注意力机制（TCN-LSTM-MATT）
- 运行结果：
- 命令窗口输出模型的性能指标，包括R2、MAE、MAPE、MSE和RMSE
使用说明
- 环境要求：
- 运行环境为Matlab 2023a及以上版本
- 运行步骤：
- 将数据文件和程序文件放在同一个文件夹中
- 运行相应的主程序文件（如
Mian1_TCN.m） - 查看命令窗口输出的模型性能指标
多头自注意力层（Multihead-Self-Attention）
多头自注意力机制是一种用于模型关注输入序列中不同位置相关性的机制。它通过计算每个位置与其他位置之间的注意力权重，进而对输入序列进行加权求和。注意力能够帮助模型在处理序列数据时，对不同位置的信息进行适当的加权，从而更有效地捕捉序列中的重要特征。
注意事项
- 确保程序和数据文件在同一个文件夹中
- 使用Matlab 2023a及以上版本运行程序
通过本资源文件，您可以对比不同模型在多变量时间序列预测任务中的表现，选择最适合您需求的模型。