【CEEMDAN-VMD-LSTM-Attention】双重分解+长短期记忆神经网络结合多头注意力机制多变量回归预测，多变量输入模型。matlab代码，2023a及其以上。

1.CEEMDAN分解，计算样本熵，根据样本熵进行kmeans聚类，调用VMD对高频分量二次分解，VMD分解的高频分量与前分量作为长短期记忆神经网络模型结合多头注意力机制的目标输出分别预测后相加。

2.CEEMDAN-VMD-LSTM-Attention模型处理数据，具有更高的准确率，能够跟踪数据的趋势以及变化。VMD 模型处理非线性、非平稳以及复杂的数据，表现得比EMD 系列更好，因此将重构的数据通过VMD 模型分解，提高了模型的准确度。

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。参数可方便更改，程序和excel数据放在一个文件夹，注释明细。

%% 清空环境变量

warning off % 关闭报警信息

close all % 关闭开启的图窗

clear % 清空变量

clc % 清空命令行

%% 导入数据

res = xlsread('数据集.xlsx');

X = res; %选取数据，最后一列要是预测值哦

load Cdata.mat

IMF = Cdata';

disp('…………………………………………………………………………………………………………………………')

disp('CEEMDAN-VMD-LSTM-multihead-attention预测')

disp('…………………………………………………………………………………………………………………………')

%% 对每个分量建模

for u=1:size(IMF,2)

u

X_imf=[X(:,1:end-1),IMF(:,u)];

智能算法及其模型预测