1.Matlab实现SSA-CNN-LSTM-Attention麻雀优化卷积长短期记忆网络注意力机制多变量时间序列预测；

2.运行环境为Matlab2021b；

3..data为数据集，excel数据，输入多个特征，输出单个变量，考虑历史特征的影响，多变量时间序列预测，

main.m为主运行即可,所有文件放在一个文件夹；

4.命令窗口输出R2、MSE、MAE、MAPE和MBE多指标评价；

5.麻雀算法优化学习率，隐藏层节点，正则化系数；

6.注意力机制模块：

SEBlock（Squeeze-and-Excitation Block）是一种聚焦于通道维度而提出一种新的结构单元，为模型添加了通道注意力机制，该机制通过添加各个特征通道的重要程度的权重，针对不同的任务增强或者抑制对应的通道，以此来提取有用的特征。

该模块的内部操作流程如图，总体分为三步：首先是Squeeze 压缩操作，对空间维度的特征进行压缩，保持特征通道数量不变。

融合全局信息即全局池化，并将每个二维特征通道转换为实数。

实数计算公式如公式所示。

该实数由k个通道得到的特征之和除以空间维度的值而得，空间维数为H*W。

其次是Excitation激励操作，它由两层全连接层和Sigmoid函数组成。

如公式所示，s为激励操作的输出，σ为激活函数sigmoid，W2和W1分别是两个完全连接层的相应参数，δ是激活函数ReLU，对特征先降维再升维。

最后是Reweight操作，对之前的输入特征进行逐通道加权，完成原始特征在各通道上的重新分配。

ID:65150

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/743617059873.html