回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测


目录

  • 回归预测 | Matlab实现SO-BP蛇算法优化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

回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_SO-BP


回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_多变量回归预测_02


回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_神经网络_03


回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_算法优化_04


回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_神经网络_05


回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_多变量回归预测_06


回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_神经网络_07


回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_神经网络_08

基本描述

1.Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测(完整源码和数据)
2.Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测;
3.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;
4.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;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。

回归预测 | Matlab实现SO-BP蛇算法优化BP神经网络多变量回归预测_算法优化_09

程序设计

  • 完整程序和数据获取方式资源出下载 Matlab实现SO-BP蛇算法优化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] = SO(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);