【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：