MATLAB实现CNN-LSTM-Attention 时序和空间特征结合-融合注意力机制混合神经网络模型的风速预测

该 MATLAB 代码实现了一个基于 CNN-LSTM-Attention 时序和空间特征结合-融合注意力机制混合神经网络模型的风速预测。以下是对代码的简要分析：

一、主要功能

该代码用于风速时间序列预测，使用历史风速特征数据（18个特征，75天，每小时一个样本）训练一个深度学习模型，并预测未来24小时的风速值。

二、算法步骤

1. 数据导入与预处理：

   • 从Excel文件中读取特征数据和实际风速值。
   • 将数据重塑为4-D格式（特征维度 × 时间步长 × 通道数 × 天数）。
   • 转换为cell数组以便用于序列训练。

2. 训练/测试集划分：

   • 训练输入（XTrain）：第1–73天的特征。
   • 训练输出（YTrain）：第2–74天的实际风速。
   • 测试输入（XTest）：第74天的特征。
   • 测试输出（YTest）：第75天的实际风速。

3. 网络结构搭建（CNN-LSTM-Attention）：

   • 输入层：接收18×24×1的序列。
   • 卷积层（Conv2D）：32个3×3卷积核，Padding=‘sa