整理了基于CEEMDAN-CNN-BiLSTM-Attention组合模型时间序列预测python代码，该代码注释十分齐全，采用RMSE、MAE、MAPE和R2等多种评价指标，效果优异，适合想发文章的同学。

1）首先对原始数据进行预处理；

2）对处理完的数据进行CEEMDAN分解，分解为K个模态分量和1个残差分量；

3）将各个模态分量输入模型，建立模型进行预测；

4）将各个预测结果相加得到最终的结果。

值得注意的是，该模型根据需要可以更改为：

 单输入单步预测，
 单输入多步预测，
 多输入单步预测，
 多输入多步预测，

| 测试集指标    |    RMSE   |    MAE    |    MAPE    |    R2    |

| 预测结果指标： | 32.66135202 | 26.0069546508 | 6.042495746929% | 85.846393358% |

​

​​​