ICEEMDAN-SSA-GRU改进自适应经验模态分解结合麻雀算法优化门控循环单元时间序列预测(含GRU、SSA-GRU、ICEEMDAN-SSA-GRU等模型的对比)。评价指标包括:R2、MAE

%% 清空变量
clc;
clear;
close all;
format compact ;
warning off

%% 读取数据
data = xlsread('数据集.xlsx')';

[x,y]=data_process(data,6);   %步长为12

n=size(x,1);
m=round(n*0.7);        %前70%训练，对最后30%进行预测
PP_train=x(1:m,:)';
PP_test=x(m+1:end,:)';
TT_train=y(1:m,:)';
TT_test=y(m+1:end,:)';

%% 信号分解
%% 设置iceemdan并运行
Nstd = 0.2;                            % Nstd: noise standard deviation
NR = 50;                               % NR: number of realizations
MaxIter = 500;                         % MaxIter: maximum number of sifting iterations allowed.
SNRFlag=1;       
IMF_iceemdan=(iceemdan(data,Nstd,NR,MaxIter,SNRFlag));

%%  iceemdan分解得到的序列个数由程序判定
%% 画图
[a,b]=size(IMF_iceemdan); 
figure('Name','ICEEMDAN分解结果图','Color',[1 1 1]);
subplot(a+1,1,1);
plot(data);
ylabel('原始数据');
for i=1:size(IMF_iceemdan,1)-1       % 一共9个imf分量
    subplot(a+1,1,i+1);
    plot(IMF_iceemdan(i,:),'LineWidth',1,'Color',[0 0 0]);
%     xlabel('时间/10min');
    ylabel(['IMF' num2str(i)]);
end
subplot(a+1,1,a+1);
plot(IMF_iceemdan(a,:),'LineWidth',1,'Color',[0 0 0]);
xlabel('时间/10min');
ylabel('res');

智能算法及其模型预测