✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
基于蜜獾算法（HBA）-Transformer 的多变量时序预测（多输入单输出）模型，融合了蜜獾算法的优化能力与 Transformer 对序列数据的强大处理能力，其背景原理如下：
蜜獾算法原理
蜜獾算法是一种受蜜獾觅食行为启发的元启发式优化算法。蜜獾在觅食时，通常有挖掘模式和寻蜜模式两个阶段，对应算法中的探索和开发过程。算法通过模拟蜜獾的动态觅食和挖掘行为来搜索问题的最优解，具有较强的搜索能力和较快的收敛速度。但该算法也存在后期搜索性能变慢、容易陷入局部最优解等缺点。
Transformer 原理
Transformer 是一种基于自注意力机制的深度学习模型，采用编码器 - 解码器架构。编码器用于处理输入序列，每个编码器层包含多头自注意力机制和前馈神经网络，可捕捉序列内部不同位置的依赖关系并进行非线性变换。解码器基于编码器输出生成目标序列。自注意力机制是 Transformer 的核心，它通过计算查询向量、键向量和值向量来确定序列中元素间的关联权重，从而让模型关注不同位置的信息。多头自注意力机制则从多个视角捕捉序列关系，进一步增强模型对序列语义和逻辑的理解能力。
二者结合用于多变量时序预测原理
多变量时序预测旨在根据多个变量的历史时间序列数据，预测未来某个时刻的单一变量值。Transformer 能够很好地挖掘多变量时间序列数据中特征间的复杂关系，以及长短期依赖关系，可提高预测准确性。但 Transformer 模型存在一些超参数，如自注意力机制头数、正则化系数、初始化学习率等，这些超参数的设置会影响模型性能。
蜜獾算法可用于优化 Transformer 的超参数。通过蜜獾算法的探索和开发能力，在超参数空间中搜索最优的参数组合，使 Transformer 模型更好地适应多变量时序数据的特点，从而提升多变量时序预测的精度和稳定性，实现更准确的多输入单输出时序预测。
⛳️ 运行结果
编辑
编辑
编辑
编辑
📣 部分代码
function [R,rmse,biaozhuncha,mae,mape]=calc_error(x1,x2)
%此函数用于计算预测值和实际（期望）值的各项误差指标
% 参数说明
%----函数的输入值-------
% x1：真实值
% x2：预测值
%----函数的返回值-------
% mae：平均绝对误差（是绝对误差的平均值，反映预测值误差的实际情况.）
% mse：均方误差（是预测值与实际值偏差的平方和与样本总数的比值）
% rmse：均方误差根（是预测值与实际值偏差的平方和与样本总数的比值的平方根，也就是mse开根号，
% 用来衡量预测值同实际值之间的偏差）
% mape：平均绝对百分比误差（是预测值与实际值偏差绝对值与实际值的比值，取平均值的结果，可以消除量纲的影响，用于客观的评价偏差）
% error：误差
% errorPercent：相对误差
if nargin==2
if size(x1,2)==1
x1=x1'; %将列向量转换为行向量
end
if size(x2,2)==1
x2=x2'; %将列向量转换为行向量
end
num=size(x1,2);%统计样本总数
error=x2-x1; %计算误差
x1(find(x1==0))=inf;
errorPercent=abs(error)./x1; %计算每个样本的绝对百分比误差
mae=sum(abs(error))/num; %计算平均绝对误差
mse=sum(error.*error)/num; %计算均方误差
rmse=sqrt(mse); %计算均方误差根
mape=mean(errorPercent); %计算平均绝对百分比误差
biaozhuncha=std(x2);
%结果输出
for i=1:size(x1,1)
tempdata=(x1(i,:)-x2(i,:)).^2;
tempdata2=(x1(i,:)-mean(x1(i,:))).^2;
R(i)=1 - ( sum(tempdata)/sum(tempdata2) );
% disp(['决定系数R为： ',num2str(R(i))])
end
disp(['标准差为： ',num2str(biaozhuncha)])
disp(['均方误差根rmse为： ',num2str(rmse)])
disp(['平均绝对误差mae为： ',num2str(mae)])
disp(['平均绝对百分比误差mape为： ',num2str(mape*100),' %'])
else
disp('函数调用方法有误，请检查输入参数的个数')
end
end
