GRU-Adaboost和GRU多变量时间序列预测对比（Matlab完整程序和数据）

GRU-Adaboost和GRU多变量时间序列预测对比（Matlab完整程序和数据） GRU-Adaboost和GRU多变量时间序列预测对比（Matlab完整程序和数据） 1.运行环境matlab2020及以上； 2.GRU-AdaBoost负荷预测模型先通过 AdaBoost集成算法串行训练多个基学习器并计算每个基学习 器的权重系数,接着将各个基学习器的预测结果进行线性组合,生成最终的预测结果。 3.基于GRU-Adaboost的电力负荷预测； 4.通过Adaboost算法便把许多个弱预测器集成为一个强预测器，最后通过强预测器对弱预测器的结果进行加权，得到最终结果。 5.选取1200个样本作为训练集，每个样本组成为：当天24个小时的全部数据，因此训练集的输入数据大小为1200*216，其中216=24*9，24代表24个小时，9代表9个特征。训练集的输出数据大小为：1200*1。1代表未来一小时的负荷值。 6.BiLSTM-Adaboost预测效果有了明显提升。