时序预测 | 基于MAMbaS+transformer时间序列预测模型（pytorch）
目录
- 效果一览
- 基本介绍
- 程序设计
- 参考资料
效果一览
基本介绍
MAMBAS,transformer
python代码，pytorch架构
可以发刊，先发先的，高精度代码。
需知：好的创新性模型可以事半功倍。。
适合功率预测，风电光伏预测，负荷预测，流量预测，浓度预测，机械领域预测等等各种时间序列直接预测。
MAMBAS是在2024年5月顶会提出的一个对MAMBA的改进版。首先，简单地让 SSM 参数成为输入的函数，解决了它们在离散模态方面的弱点，允许模型根据当前标记选择性地沿序列长度维度传播或忘记信息。其次，尽管这种变化阻止了高效卷积的使用，但我们在循环模式下设计了一种硬件感知的并行算法。我们将这些选择性 SSM 集成到一个简化的端到端神经网络架构中，无需注意，甚至没有 MLP 块。
创新性非常高。改都不改发3区以上完全够用，效果也不错。代码可以继续添加优化方法，改其他former模型，分解机制，注意力机制等等。
代码自带一个transformer对比模型，可以做对比实验，与Transformers 和相比，无论是在性能还是扩展方面，都表现出色。（代码里也有pdf理论知识和注释方便理解）
功能如下：
1.多变量输入，单变量输出/可改多输出
2.多时间步预测，单时间步预测
3.评价指标：R方 RMSE MAE MAPE
对比图
4.数据从excel/csv文件中读取
5.可以将最后的结果保存下来供后续操作。
源码结构复杂，不易理解。源码不能出对比图且指标少，改编代码完美保留基准代码功能和机制，并且删除冗余部分，修改了代码的数据加载处理，训练，测试部分，简单的环境就可以运行，十分适合看不懂代码的小白。代码带数据，注释清晰，适合新手小白,接运行
程序设计
- 完整程序和数据获取方式：私信博主回复基于MAMbaS+transformer时间序列预测模型（pytorch）。
参考资料
[1] http://t.csdn.cn/pCWSp
[2] https://download.csdn.net/download/kjm13182345320/87568090?spm=1001.2014.3001.5501
[3] https://blog.csdn.net/kjm13182345320/article/details/129433463?spm=1001.2014.3001.5501