时序预测 | Matlab实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测
目录
- 时序预测 | Matlab实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测
- 预测效果
- 基本介绍
- 程序设计
- 参考资料
预测效果
基本介绍
MATLAB实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测(完整源码和数据)
1.MATLAB实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测(完整源码和数据)
2.输入输出单个变量,时间序列预测预测;
3.多指标评价,评价指标包括:R2、MAE、MSE、RMSE等,代码质量极高;
4.麻雀算法优化参数为:学习率,隐含层节点,正则化参数;
5.excel数据,方便替换,运行环境2020及以上。
程序设计
- 完整源码和数据获取方式:私信博主回复Matlab实现SSA-CNN-BiLSTM麻雀算法优化卷积双向长短期记忆神经网络时间序列预测。
%%获取最优种群 for j = 1 : SearchAgents if(fitness_new(j) < GBestF)GBestF = fitness_new(j);GBestX = X_new(j, :); end end %%更新种群和适应度值 pop_new = X_new; fitness = fitness_new;%%更新种群[fitness, index] = sort(fitness); for j = 1 : SearchAgentspop_new(j, :) = pop_new(index(j), :); end%%得到优化曲线 curve(i) = GBestF; avcurve(i) = sum(curve) / length(curve);end%%得到最优值Best_pos = GBestX;Best_score = curve(end);%%得到最优参数NumOfUnits =abs(round( Best_pos(1,3))); % 最佳神经元个数InitialLearnRate =Best_pos(1,2) ;% 最佳初始学习率L2Regularization = Best_pos(1,1); % 最佳L2正则化系数% inputSize = k;outputSize = 1;%数据输出y的维度%参数设置opts = trainingOptions('adam', ...% 优化算法Adam'MaxEpochs', 20, ...% 最大训练次数'GradientThreshold', 1, ... % 梯度阈值'InitialLearnRate', InitialLearnRate, ... % 初始学习率'LearnRateSchedule', 'piecewise', ... % 学习率调整'LearnRateDropPeriod', 6, ... % 训练次后开始调整学习率'LearnRateDropFactor',0.2, ...% 学习率调整因子'L2Regularization', L2Regularization, ... % 正则化参数'ExecutionEnvironment', 'gpu',... % 训练环境'Verbose', 0, ... % 关闭优化过程'SequenceLength',1,...'MiniBatchSize',10,...'Plots', 'training-progress');% 画出曲线
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm=1001.2014.3001.5501