introduction.md

模型介绍

1. EMD 分解原始负荷，分解出来 IMF1~7 和一个残差。（注意数量级）
2. VMD 对 IMF1 再次进行分解，分解个数取 6。
3. 共 13 个序列，依次使用 TCN 进行预测，再合并。 模型： EMD 分解结果： VMD 分解结果：

TCN 模型参数

参数名	值
filters	48
kernel size	3
dilations	[1,2,4,8...2^6]
stack	1
dropout	0
weight norm	True

EMD-VMD-TCN 各序列预测误差

序列	epoch	MSE	RMSE	MAPE %	R2
1	117	0.00015	0.01234	1.88	0.99074
2	111	0.00014	0.01169	1.96	0.99103
3	94	0.00012	0.01115	4.24	0.99726
4	86	0.00003	0.00553	0.73	0.99937
5	71	0.00001	0.00138	0.18	0.97598
6	80	0.00008	0.00876	2.38	0.9647
7	95	0.00001	0.00085	-	0.98211
8	135	0.00046	0.021427	4.591	0.98223
9	106	0.00032	0.01801	3.37	0.99056
10	131	0.00074	0.0271	6.07	0.987823
11	85	0.00202	0.044942	-	0.89923
12	106	0.00195	0.0441	-	0.95666
13	79	0.00098	0.03134	-	0.93849

序列 1-7 对应 EMD 分解的 IMF2-IMF7 和残差分量。8-13 对应 VMD 分解的子序列。 序列 7、11、12 和 13 中有真实值过于接近 0，计算 MAPE 时作为分母，所以导致 MAPE 呈现出几乎无穷大的异常，将其舍去。

预测结果： RMSE: 360.09175372929633 MAPE: 0.00995690803815753 R2: 0.99085482908544