【多输入多输出回归预测】12种智能算法优化BP神经网络回归代码(评价指标全,出图多)

多输入多输出(Multiple Input Multiple Output, MIMO)的BP神经网络则更复杂,它能同时预测多个相关的输出变量。

为全面掌握多输入多输出BP神经网络回归预测模型,同时提升模型的预测精度,本文在之前多输入多输出BP回归网络模型基础上采用了12种SCI最新(更新了24年最新算法)/常用/经典智能优化算法优化多输入多输出BP神经网络的权值和阈值,形成了性能良好的MIMO-BPNN回归预测模型。

12种智能算法如下:(1-6为SCI新算法,7-12为常用的对比智能算法)

  • %% 12种SCI最新/常用/经典智能优化算法

  • % 1.NRBO  牛顿-拉夫逊优化算法

  • % 2.RIME    雾凇优化算法

  • % 3.GOOSE 鹅优化算法

  • % 4.CPO     冠豪猪优化算法

  • % 5.PO       鹦鹉优化算法

  • % 6.BFO     鳑鲏鱼优化算法

  • % 7.DBO     蜣螂优化算法

  • % 8.SSA      麻雀搜索算法  

  • % 9.SMA     黏菌算法

  • % 10.GWO  灰狼算法

  • % 11.PSO    粒子群算法

  • % 12.GA     遗传算法

更换算法只需更改相应的数字1-12即可,操作简单方便,从而实现更加准确的模型预测和对比研究,具体运行情况如下所示。

%%  导入数据(可替换数据集)

  • res = xlsread('data.xlsx');

  • str={'NRBO','RIME','GOOSE','CPO','PO','BFO','DBO','SSA','SMA','GWO','PSO','GA'};

  • number =1;   %修改数字,分别对应下面的算法,实现一键切换算法。1是NRBO,2是RIME,以此类推  

  • H1 = cell2mat(str(number));

  • Model = strcat(H1,'-BP')

12种智能算法优化多输入多输出BP神经网络回归预测模型代码采用Matlab编写,代码注释详细,编写逻辑清晰易懂,可一键运行,数据集采用excel数据形式,方便替换数据集。评价指标全面包括 MAE,MAPE,MSE,RMSE,R2,RPD等性能指标,结果分析图多,使用起来简单方便,直接替换成自己的数据即可生成美观图形用于写作。适合新手学习和SCI建模使用。

运行效果展示:

图片

图片

图片

图片

图片

图片

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值