丽水微信网站建设哪家好,河北建设网站怎么下载企业锁,做app网站设计,自己怎么样建网站回归预测 | MATLAB实现MPA-BiGRU海洋捕食者算法优化双向门控循环单元多输入单输出回归预测#xff08;多指标#xff0c;多图#xff09; 目录 回归预测 | MATLAB实现MPA-BiGRU海洋捕食者算法优化双向门控循环单元多输入单输出回归预测#xff08;多指标#xff0c;多图多指标多图 目录 回归预测 | MATLAB实现MPA-BiGRU海洋捕食者算法优化双向门控循环单元多输入单输出回归预测多指标多图效果一览基本介绍程序设计参考资料 效果一览 基本介绍 MPA-BiGRU海洋捕食者算法优化双向门控循环单元的数据多变量回归/时间序列预测 可直接运行 Matlab语言 1.多变量单输出模型也可替换为时间序列单列输入预测。评价指标包括:R2、MAE、RMSE和MAPE等图很多包括迭代曲线图、预测效果图可完全满足您的需求 2.海洋捕食者算法是近年提出的优化算法具有寻优能力强收敛速度快等特点用的人还很少也可替换为NGO、GOA等优化算法。 3.优化算法优化深度学习类模型运行较慢属正常现象请耐心等待 4.附赠测试数据 直接替换数据即可用 直接运行main一键出图 适合新手小白 程序设计 完整源码和数据获取方式私信回复PSO-SDAE粒子群优化堆叠去噪自编码器多输入单输出回归预测多指标多图。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行%% 导入数据
res xlsread(data.xlsx);%% 划分训练集和测试集
temp randperm(103);P_train res(temp(1: 80), 1: 7);
T_train res(temp(1: 80), 8);
M size(P_train, 2);P_test res(temp(81: end), 1: 7);
T_test res(temp(81: end), 8);
N size(P_test, 2);%% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input);[t_train, ps_output] mapminmax(T_train, 0, 1);
t_test mapminmax(apply, T_test, ps_output);%% 仿真测试
t_sim1 sim(net, p_train);
t_sim2 sim(net, p_test);%% 数据反归一化
T_sim1 mapminmax(reverse, t_sim1, ps_output);
T_sim2 mapminmax(reverse, t_sim2, ps_output);%% 均方根误差
error1 sqrt(sum((T_sim1 - T_train).^2) ./ M);
error2 sqrt(sum((T_sim2 - T_test ).^2) ./ N);%% 相关指标计算
% 决定系数 R2
R1 1 - norm(T_train - T_sim1)^2 / norm(T_train - mean(T_train))^2;
R2 1 - norm(T_test - T_sim2)^2 / norm(T_test - mean(T_test ))^2;disp([训练集数据的R2为, num2str(R1)])
disp([测试集数据的R2为, num2str(R2)])% 平均绝对误差 MAE
mae1 sum(abs(T_sim1 - T_train)) ./ M ;
mae2 sum(abs(T_sim2 - T_test )) ./ N ;disp([训练集数据的MAE为, num2str(mae1)])
disp([测试集数据的MAE为, num2str(mae2)])% 平均相对误差 MBE
mbe1 sum(T_sim1 - T_train) ./ M ;
mbe2 sum(T_sim2 - T_test ) ./ N ;disp([训练集数据的MBE为, num2str(mbe1)])
disp([测试集数据的MBE为, num2str(mbe2)])参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129215161 [2] https://blog.csdn.net/kjm13182345320/article/details/128105718
