黑翅鸳BKA-CNN-BiLSTM/CNN-BiLSTM/BiLSTM三模型单变量时间序列预测一键对比 Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

单变量时间序列预测（如单一传感器的温度监测、股票收盘价预测）虽输入维度简单，但需精准捕捉数据的自相关性及时序模式。黑翅鸳优化算法（BKA，模拟黑翅鸳的集群觅食行为）作为新兴元启发式算法，在模型超参数优化中表现出强全局寻优能力。本文针对 BKA-CNN-BiLSTM、CNN-BiLSTM、BiLSTM 三模型，设计单变量场景下的一键对比框架，通过统一 main 函数实现自动化训练、预测与指标输出，明确各模型在精度、效率上的差异，为单变量时序预测的轻量化选型提供依据。

一、三模型的结构与核心差异

1.1 黑翅鸳优化算法（BKA）的特性

BKA 区别于传统优化算法的核心优势在于：

• 集群寻优机制：模拟黑翅鸳的 “侦查 - 围捕 - 俯冲” 行为，通过个体间信息共享（如发现猎物的鸳鸟向集群发送位置信号）提升全局寻优能力；

• 参数适应性：对单变量时序预测中 CNN 的卷积核尺寸（如 3、5、7）和 BiLSTM 的隐藏层节点数（如 32、64、128）优化效果显著，比 SSA 的收敛精度高 5%-8%；

• 计算开销：单次优化迭代时间比 GWO 长约 10%，但因寻优精度高，可减少模型训练的超参数调试次数，总体耗时更优。

1.2 三模型的结构解析

模型名称	核心架构	优化对象	适用场景	核心优势
1. BKA-CNN-BiLSTM	BKA 优化 + CNN 局部特征提取 + BiLSTM 双向时序建模	BKA 优化 CNN 卷积核大小（3/5）与 BiLSTM 隐藏层节点数（32/64）	含局部波动的单变量数据（如温度监测）	兼顾局部模式与长时序依赖，精度最高
2. CNN-BiLSTM	无优化 + CNN+BiLSTM	-	平稳性中等的单变量数据（如设备振动信号）	平衡精度与效率，适合中端设备部署
3. BiLSTM	基础模型，仅双向时序建模	-	简单平稳数据（如室内湿度变化）	轻量快速，适合边缘设备实时预测

二、一键对比框架与 main 函数实现

2.1 对比指标设计

针对单变量时序预测的特点，优化指标体系：

• 精度指标：

• RMSE（均方根误差）：敏感于峰值误差（如股票暴涨暴跌时段）；

• MAE（平均绝对误差）：反映整体误差水平；

• R²（决定系数）：评估模型对数据变异的解释能力（单变量场景下更关注此指标）；

• 效率指标：

• 训练时间（秒）：单变量数据预处理简单，更侧重模型本身的训练耗时；

• 推理速度（样本 / 秒）：单变量输入的推理效率更高，关注边缘设备适配性；

• 模型体积（KB）：轻量化部署的关键指标（如嵌入式系统的存储限制）；

• 鲁棒性指标：

• 噪声容忍度：输入添加 8% 高斯噪声后的 RMSE 增幅；

• 数据量敏感性：小样本（500 条）与大样本（5000 条）下的精度差异。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇