资讯动态

双向长短期记忆网络+KAN(Kolmogorov-Arnold Networks)多变量时间序列预测附Python代码

发布时间:2026/10/6 5:43:33 来源:尧图企业网站定制
1. 研究背景针对风电场功率受多因素影响呈现强时序非线性特征,传统预测模型难以捕捉双向依赖与复杂映射的问题,设计BiLSTM-KAN混合模型。利用双向长短期记忆网络提取序列的前后向特征,并引入可学习激活函数的KAN(Kolmogorov-Arnold Networks)替代普通全连接层,在提升预测精度的同时增强模型可解释性。2. 主要功能支持单/多特征输入、单步/多步输出的灵活时序预测框架;自动构造滚动窗口样本,完成数据划分与归一化;训练 BiLSTM-KAN 模型并实时输出损失曲线;计算 MSE、RMSE、MAE、MAPE、R² 等多维评价指标,并以表格和可视化方式对比预测与真实值。3. 算法步骤数据加载:读取 Excel/CSV 数据,提取特征与标签列;样本构造:通过data_collation函数,按给定的n_in、n_out和滑动步长生成监督学习样本;数据划分:按 70% 比例切分训练集与测试集,并对输入、输出分别进行MinMaxScaler

读完文章,也想定制专属网站?

尧图设计师 24 小时内与您沟通定制方案

免费获取报价 →
↑