回归预测 | Matlab实现SSA-BP麻雀算法优化BP神经网络多变量回归预测

回归预测 | Matlab实现SSA-BP麻雀算法优化BP神经网络多变量回归预测

目录

• 回归预测 | Matlab实现SSA-BP麻雀算法优化BP神经网络多变量回归预测

• 预测效果
• 基本描述
• 程序设计
• 参考资料

预测效果

基本描述

1.Matlab实现SSA-BP麻雀算法优化BP神经网络多变量回归预测；
2.数据集为excel，输入7个特征，输出1个变量，运行主程序main.m即可，其余为函数文件，无需运行；
3.优化参数为神经网络的权值和偏置，命令窗口输出RMSE、MAPE、MAE、R2等评价指标；
4.运行环境Matlab2018b及以上；
5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

程序设计

• 完整程序和数据获取方式资源出下载Matlab实现SSA-BP麻雀算法优化BP神经网络多变量回归预测。

%%  参数设置
fun = @getObjValue;                                 % 目标函数
dim = inputnum * hiddennum + hiddennum * outputnum + ...
    hiddennum + outputnum;                          % 优化参数个数
lb  = -1 * ones(1, dim);                            % 优化参数目标下限
ub  =  1 * ones(1, dim);                            % 优化参数目标上限
pop = 20;                                            % 数量
Max_iteration = 20;                                 % 最大迭代次数   

%% 优化算法
[Best_score,Best_pos,curve] = SSA(pop, Max_iteration, lb, ub, dim, fun); 

%% 把最优初始阀值权值赋予网络预测
w1 = Best_pos(1 : inputnum * hiddennum);
B1 = Best_pos(inputnum * hiddennum + 1 : inputnum * hiddennum + hiddennum);
w2 = Best_pos(inputnum * hiddennum + hiddennum + 1 : inputnum * hiddennum + hiddennum + hiddennum*outputnum);
B2 = Best_pos(inputnum * hiddennum + hiddennum + hiddennum * outputnum + 1 : ...
    inputnum * hiddennum + hiddennum + hiddennum * outputnum + outputnum);