时序预测 | 基于WTC+transformer时间序列组合预测模型（pytorch）

目录

• 效果一览
• 基本介绍
• 程序设计
• 参考资料

效果一览

基本介绍

WTC+transformer时间序列组合预测模型
WTC,transformer
创新点，超级新。先发先得，高精度代码。
预测主模型transformer也可以改其他WTC-former系列，比如WTC-informer/autoformer等等，代码还也可以继续缝合创新点，优化方法。需要的也可以发要求给我定制。
WTC卷积机制是2024年7月15日发表的卷积结构（热乎的超级新，新的不能在新了）。人们尝试通过增加卷积神经网络Q(CNN)内核的大小来模拟视觉变换器(VITs)自注意力模块的全局感受野。然而，这种方法很快就遇到了上限，并在达到全局感受野之前就已饱和。
原来WTC卷积是用来做图像的，本代码尝试将它转移用到时间序列中，二维转一维，利用WTC卷积进行特征提取，将提取的结果放入transformer进行预测，预测结果非常不错！接近98%的精度，证实了可行性。
python代码
pytorch架构
适合功率预测，风电光伏预测，负荷预测，流量预测，浓度预测，机械领域预测等等各种时间序列直接预测。
1.多变量输入，单变量输出
2.多时间步预测，单时间步预测
3.R方,MAE，MSE MAPE对比图，误差图（缺少的可自行添加）
4.将结果保存下来供后续处理
5.代码自带数据，一键运行，csv，xlsx文件读取数据，也可以替换自己数据集很简单。

程序设计

• 完整程序和数据获取方式：私信博主回复时序预测 | 基于WTC+transformer时间序列组合预测模型（pytorch）。