0、前言

采用BiLSTM算法实现回归预测，并对BiLSTM的学习率，迭代次数，batchs ize，和各层节点数进行优化。

1、BiLSTM原理

请参考大佬的模型讲解，本文不再赘述，请点击原理

2、性能影响参数

神经网络的学习性能都会受学习率，迭代次数，batchs ize，和各层节点数的影响。合理设置参数才能取得较为理想的结果。可以采用优化算法进行参数寻优替代经验设置的局限性。

下图是直接依据经验设置参数后的预测结果

性能指标：

根均方差(RMSE)：7.8549
平均绝对误差（MAE）：6.1429
平均相对百分误差（MAPE）：1.3486%
R平方决定系数（R2）：0.79258
纳什系数（NSE）：0.78745

采用麻雀优化算法对BiLSTM的学习率，迭代次数，batchs ize，和各层节点数进行优化，结果如下：

SSA-BiLSTM
根均方差(RMSE)：5.6401
平均绝对误差（MAE）：4.4521
平均相对百分误差（MAPE）：0.97865%
R平方决定系数（R2）：0.89432
纳什系数（NSE）：0.89041

基于BiLSTM的回归预测方法相关推荐

11种典型的时间序列回归预测方法大集合——附代码
目录摘要: 下图程序内操作手册部分展示: 下图程序运行后出图部分展示: 本文Matlab工具箱与源代码: 摘要: 时间序列预测就是利用过去一段时间的数据来预测未来一段时间内的信息,包括连续型预测(数 ...
BERT6mA：使用基于深度学习的方法预测DNA N6甲基腺嘌呤位点
<BERT6mA: prediction of DNA N6-methyladenine site using deep learning-based approaches> Sho Ts ...
论文笔记-基于BiLSTM 模型的漏洞检测
一.摘要首先从源代码中提取方法体,形成方法集:为方法集中的每个方法构建抽象语法树,借助抽象语法树抽取方法中的语句,形成语句集:替换语句集中程序员自定义的变量名.方法名及字符串,并为每条语句分配一 ...
《基于场景的工程方法》作者问答录
<基于场景的工程方法>(Scenario-Focused Engineering,本书中文版正在翻译中)一书描述了在开发与交付基于软件的产品时,一种以客户为中心的精益与敏捷方法.本书所描述 ...
RDKit | 基于RDKit的MaxMin方法选择高度多样化的库
建立高度多样化的库有四种方法, 聚类方法基于距离的方法基于分类的方法使用优化方法的方法这次使用RDKit中实现的MaxMin方法作为" 基于距离的方法" 来构建各种库. 基 ...
如何使用基于组件的设计方法
2019独角兽企业重金招聘Python工程师标准>>> 以下内容由Mockplus团队翻译整理,仅供学习交流,Mockplus是更快更简单的原型设计工具. 基于组件的设计方法通常在大 ...
【数据挖掘】基于方格的聚类方法 ( 概念 | STING 方法 | CLIQUE 方法 )
文章目录 I . 基于方格的聚类方法简介 II . 基于方格的聚类方法图示 III . STING 方法 IV . CLIQUE 方法 I . 基于方格的聚类方法简介 1 . 基于方格的聚类方法 ...
【数据挖掘】基于层次的聚类方法 ( 聚合层次聚类 | 划分层次聚类 | 族间距离 | 最小距离 | 最大距离 | 中心距离 | 平均距离 | 基于层次聚类步骤 | 族半径 )
文章目录基于层次的聚类方法简介基于层次的聚类方法概念聚合层次聚类图示划分层次聚类图示基于层次的聚类方法切割点选取族间距离概念族间距离使用到的变量族间距离最小距离族间距 ...
【数据挖掘】基于密度的聚类方法 - DBSCAN 方法 ( K-Means 方法缺陷 | 基于密度聚类原理及概念 | ε-邻域 | 核心对象 | 直接密度可达 | 密度可达 | 密度连接 )
文章目录 I . K-Means 算法在实际应用中的缺陷 II . K-Means 初始中心点选择不恰当 III . K-Means 优点与弊端 IV . 基于密度的聚类方法 V . 基于密度的聚 ...

基于BiLSTM的回归预测方法

0、前言

1、BiLSTM原理

2、性能影响参数

基于BiLSTM的回归预测方法相关推荐

最新文章

热门文章