【MATLAB 预测算法教程】_1粒子群算法优化BP神经网络预测 - 教程和对应MATLAB代码

本文以MATLAB自带的脂肪数据集为例，将数据保存在EXCEL工作簿内，方便替换数据使用，以下介绍粒子群算法优化BP神经网络预测的MATLAB代码编写，主要流程包括1. 读取数据 2.划分训练集和测试集 3.归一化 4.确定BP神经网络的隐含层最优节点数量 5. 使用粒子群算法优化BP的神经网络权重和阈值 6. 利用优化后的参数训练BP神经网络 7. 计算BP和PSO-BP的测试集预测误差，包括MAE、RMSE、MAPE、拟合优度R方，以及作优化前后的预测值和真实值对比图。

一般来说通过加入启发式算法以及调试好参数后，模型的预测性能将具有明显的提升。下图是优化结果，相对误差从28%降低到7%，粒子群算法的优化效果非常明显。

以下是粒子群算法PSO优化BP预测代码：

1. 初始化代码

clear                          % 清除工作区，防止工作区存在相关变量对代码产生影响
close all					   % 关闭所有已有图像
clc							   % 清空命令行窗口

2. 读取数据