CEEMDAN-and-LSTM-CNN-CBAM模型时序数据预测（Python代码，有中文注释，三份不同数据集测试集效果均佳，无需修改数据路径，解压缩直接运行）

效果视频：CEEMDAN-and-LSTM-CNN-CBAM模型时序数据预测（Python代码，三份不同数据集测试集效果均佳，无需修改数据路径，解压缩直接运行）_哔哩哔哩_bilibili

版本要求：TensorFlow>=2.4.0

numpy>=1.19.4

keras>=2.4.0

PyEMD=1.0.0

CEEMDAN-and-LSTM-CNN-CBAM" 方法将 利用CEEMDAN 分解后的 IMFs 输入到 LSTM 中，结合了 CNN 进行时空特征提取，并引入 CBAM 注意力机制以增强模型性能。这种综合的方法旨在通过结合多种技术来提高时序数据预测的准确性和泛化能力。

1.本次项目文件夹展示

第一个文件夹打开（苹果公司美股数据）

第二个文件夹打开（雅虎公司股票数据）

第三个文件夹打开（招商银行A股数据）

 2.训练集与测试集比例：4:1，即80%作为训练集，20%作为测试集，利用收盘价格的历史数据进行预测未来的收盘价格

3.测试集真实值与预测值对比（反归一化后的数据）

苹果公司股价预测

分解得到的IMF

测试集真实值与预测值的对比 

 雅虎公司股价预测

IMF分解量

---

测试集真实值与预测值的对比 

招商银行股价预测

测试集真实值与预测值的对比  

from keras.models import Sequential
from keras.layers import Conv1D, Add, Activation, Dropout, Dense, LSTM, Flatten, MaxPooling1D
import tensorflow as tf

from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics import mean_squared_error

#压缩包https://mbd.pub/o/bread/ZJ2WlZpv