基于麻雀优化算法（SSA）优化shared TCN-Transformer模型超参数，实现时间序列预测。

[1]模型采用共享TCN结构，用于提取Encoder Embedding和Decoder Embedding 的因果特征，在尽可能保证模型复杂度不变的情况下，提高模型预测精度。

[2]对于不同数据，手动调参费时费力，采用麻雀优化算法对模型中必要的超参数进行全局寻优，尽可能找到最优的超参数组合

[3]模型中Transformer部分为源码结构，模型结构清晰，数据替换简单，适合初学者学习，也适合本科毕设，研究生毕业论文。

可实现多输入多输出，多输入单输出，单输入单输出，多步预测和单步预测。

适合负荷预测，风电预测，光伏预测，寿命预测等一系列时间序列预测，同时也适合多特征回归预测，

ID:62150

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/837234404141.html