基于卷积神经网络-双向长短期记忆网络(CNN-BILSTM)数据回归预测，多变量回归预测模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

融合柯西变异和反向学习改进麻雀算法(SSA)优化BP神经网络回归预测，SSAnew-BP回归预测，多变量输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于鲸鱼算法(WOA)优化高斯过程回归(WOA-GPR)的数据回归预测，matlab代码，多变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

基于粒子群算法(PSO)优化高斯过程回归(PSO-GPR)的数据回归预测，matlab代码，多变量输入模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

麻雀算法(SSA)优化长短期记忆神经网络的数据多变量时间序列预测，SSA-LSTM多维时间序列预测。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

## 源码分享| 基于MATLAB的五种插值方法合集（线性、三次、三次样条、最邻近、分段三次Hermite），解决多变量样本空值插值，以及零值插值 **免费提供试用版代码，可自行运行计算结果。** ## 1.数据要求 （1）数据均为数值格式。 （2）每行为不同变量的值。 （2）首尾数据得有值，不能空缺。 ## 2.插值方法 （1）线性插值 （2）三次插值 （3）三次样条插值 （4）最邻近插值 （5）分段三次Hermite插值 ## 3.插值思路 （1）提取非零或者非空对应的数据进行插值 （2）找到对应非零或者非空的行以及列 （3）使用五种方法，用for循环分别对提取后的残缺合集进行插值 （4）对插值结果赋值为datanew1~5 （5）将插值的结果替换原来的非零或者非空数据 （6）判断插值结果是否为负 ## 4.插值数据 （1）空值插 （2）零值插值 ## 5.插值结果 插值结果不一一举例，选取线性插值结果进行展示。 （1）空值插值 （2）零值插值 ## 6.主程序代码展示（部分） （1）空值插值 clc,c

沃伦-股票价格预测器 股市预测是试图确定公司股票或在交易所交易的其他金融工具的未来价值的行为。 成功预测股票的未来价格可能会产生可观的利润。 有效市场假说表明，股票价格反映了所有当前可用的信息，因此，任何不基于新发现信息的价格变化本质上都是不可预测的。 其他人则不同意，并且拥有这种观点的人拥有无数的方法和技术，据称它们可以获取未来的价格信息。 在这里，我们利用Facebook的时间序列预测算法Prophet，使用多变量，单步预测策略，实时预测美国公司的股票市场价格。 入门 从github下载或克隆项目 $ git clone https://github.com/nityansuman/wa

马氏距离异常检测 马氏距离用于多变量异常检测的实现。 此仓库包含使用数据组件之间的马氏距离在多变量数据中创建阈值异常检测的功能。 点安装-i mahala-ad 改编自： :

多变量系统的奇异值曲线绘制 单变量系统有 Bode 图，多变量系统能否采用这样的方法分析？ 传递函数矩阵的奇异值可以作为轨迹绘制出来，称为奇异值曲线 奇异值曲线是多变量系统鲁棒控制中的重要指标，由 sigma( ) 函数绘制

通过分析动力分散式高速动车组多动力单元制动过程中制动力和速度之间的关系，根据动车组制动过程中的运行数据和制动特性曲线，建立高速动车组制动过程多动力单元的分布式三阶自回归模型;采用多 变量广义预测控制方法，实时生成各动力单元所需制动力，实现制动过程中对动车组各动力单元给定速度的跟 踪控制。采用 MATLAB软件和给出的建模方法以及跟踪控制方法，以 CRH380A 型高速动车组为例进行跟踪控 制仿真。结果表明:由仿真计算得到的动力单元速度与其实际速度的最大正负误差之绝对值均小于2km·h-1，均方根误差小于1km·h-1，均满足高速动车组运行过程的速度误差要求，验证了所建模型的准确性;高速动车组在制动过程中各动力单元对给定速度跟踪控制的最大绝对误差仅为0.195 8km·h-1，大大优于传统的多变量比例积分微分控制方法，满足制动过程中对动车组运行安全、舒适和停靠准确的要求。