时序预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络时间序列预测
时序预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络时间序列预测
目录
- 时序预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络时间序列预测
- 预测效果
- 基本介绍
- 模型描述
- 程序设计
- 参考资料
预测效果
基本介绍
MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络时间序列预测。灰狼算法优化学习率,隐藏层节点,正则化系数。输入数据为单变量时间序列数据,即一维数据。
模型描述
循环神经网络RNN(recurrent neural networ)是以序列数据为输入,在序列的演进方向进行递归且所有循环单元按链式连接的递归神经网络。基于RNN 进行改进,通过引入灵活可控的自循环设计,LSTM 产生了让梯度能够可持续长期流动的途径,可从输入的历史数据中学习长时间的计算记忆信息。灰狼优化算法根据灰狼群体协作机制,模拟灰狼捕食猎物以实现目标,具有较强的收敛性、参数少、易实现,且能收敛于全局最优解。在一定数量的群体中,按照职责分工,灰狼被分为α, β,δ 及ω共4 个等级。α 是唯一的领导者, 负责群体决策; β级狼辅助领导者管理狼群,也是领导者替补;δ 服从α 与β 的命令,负责侦察、捕猎及看护等;最底层ω服从上级安排并维系种族平衡。
程序设计
- 完整程序和数据下载方式1:同等价值程序兑换;
- 完整程序和数据下载方式2:MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络时间序列预测
%% 优化算法参数设置
SearchAgents_no = 5; % 狼群数量
Max_iteration = 10; % 最大迭代次数
dim = 3; % 优化参数个数
lb = [1e-3, 10, 1e-4]; % 参数取值下界(学习率,隐藏层节点,正则化系数)
ub = [1e-2, 30, 1e-1]; % 参数取值上界(学习率,隐藏层节点,正则化系数)%% 优化算法初始化
Alpha_pos = zeros(1, dim); % 初始化Alpha狼的位置
Alpha_score = inf; % 初始化Alpha狼的目标函数值,将其更改为-inf以解决最大化问题Beta_pos = zeros(1, dim); % 初始化Beta狼的位置
Beta_score = inf; % 初始化Beta狼的目标函数值 ,将其更改为-inf以解决最大化问题Delta_pos = zeros(1, dim); % 初始化Delta狼的位置
Delta_score = inf; % 初始化Delta狼的目标函数值,将其更改为-inf以解决最大化问题%% 初始化搜索狼群的位置
Positions = initialization(SearchAgents_no, dim, ub, lb);%% 用于记录迭代曲线
Convergence_curve = zeros(1, Max_iteration);%% 循环计数器
iter = 0;%% 优化算法主循环
while iter < Max_iteration % 对迭代次数循环for i = 1 : size(Positions, 1) % 遍历每个狼% 返回超出搜索空间边界的搜索狼群% 若搜索位置超过了搜索空间,需要重新回到搜索空间Flag4ub = Positions(i, :) > ub;Flag4lb = Positions(i, :) < lb;% 若狼的位置在最大值和最小值之间,则位置不需要调整,若超出最大值,最回到最大值边界% 若超出最小值,最回答最小值边界Positions(i, :) = (Positions(i, :) .* (~(Flag4ub + Flag4lb))) + ub .* Flag4ub + lb .* Flag4lb; % 计算适应度函数值Positions(i, 2) = round(Positions(i, 2));fitness = fical(Positions(i, :));% 更新 Alpha, Beta, Deltaif fitness < Alpha_score % 如果目标函数值小于Alpha狼的目标函数值Alpha_score = fitness; % 则将Alpha狼的目标函数值更新为最优目标函数值Alpha_pos = Positions(i, :); % 同时将Alpha狼的位置更新为最优位置endif fitness > Alpha_score && fitness < Beta_score % 如果目标函数值介于于Alpha狼和Beta狼的目标函数值之间Beta_score = fitness; % 则将Beta狼的目标函数值更新为最优目标函数值Beta_pos = Positions(i, :); % 同时更新Beta狼的位置endif fitness > Alpha_score && fitness > Beta_score && fitness < Delta_score % 如果目标函数值介于于Beta狼和Delta狼的目标函数值之间Delta_score = fitness; % 则将Delta狼的目标函数值更新为最优目标函数值Delta_pos = Positions(i, :); % 同时更新Delta狼的位置endend% 线性权重递减wa = 2 - iter * ((2) / Max_iteration); % 更新搜索狼群的位置for i = 1 : size(Positions, 1) % 遍历每个狼for j = 1 : size(Positions, 2) % 遍历每个维度% 包围猎物,位置更新r1 = rand; % r1 is a random number in [0,1]r2 = rand; % r2 is a random number in [0,1]A1 = 2 * wa * r1 - wa; % 计算系数A,Equation (3.3)C1 = 2 * r2; % 计算系数C,Equation (3.4)% Alpha 位置更新D_alpha = abs(C1 * Alpha_pos(j) - Positions(i, j)); % Equation (3.5)-part 1X1 = Alpha_pos(j) - A1 * D_alpha; % Equation (3.6)-part 1r1 = rand; % r1 is a random number in [0,1]r2 = rand; % r2 is a random number in [0,1]A2 = 2 * wa * r1 - wa; % 计算系数A,Equation (3.3)C2 = 2 *r2; % 计算系数C,Equation (3.4)% Beta 位置更新D_beta = abs(C2 * Beta_pos(j) - Positions(i, j)); % Equation (3.5)-part 2X2 = Beta_pos(j) - A2 * D_beta; % Equation (3.6)-part 2 r1 = rand; % r1 is a random number in [0,1]r2 = rand; % r2 is a random number in [0,1]A3 = 2 *wa * r1 - wa; % 计算系数A,Equation (3.3)C3 = 2 *r2; % 计算系数C,Equation (3.4)% Delta 位置更新D_delta = abs(C3 * Delta_pos(j) - Positions(i, j)); % Equation (3.5)-part 3X3 = Delta_pos(j) - A3 * D_delta; % Equation (3.5)-part 3% 位置更新Positions(i, j) = (X1 + X2 + X3) / 3; % Equation (3.7)endend% 更新迭代器iter = iter + 1; disp(['第',num2str(iter),'次迭代'])Convergence_curve(iter) = Alpha_score;end
参考资料
[1] https://blog.csdn.net/kjm13182345320/article/details/128577926?spm=1001.2014.3001.5501
[2] https://blog.csdn.net/kjm13182345320/article/details/128573597?spm=1001.2014.3001.5501
时序预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络时间序列预测相关推荐
- 回归预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络多输入单输出回归预测
回归预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络多输入单输出回归预测 目录 回归预测 | MATLAB实现GWO-LSTM灰狼算法优化长短期记忆神经网络多输入单输出回归预测 ...
- 时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测
时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测 目录 时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测 效果一览 基本 ...
- 时序预测 | MATLAB实现LSTM长短期记忆神经网络时间序列预测
目录 时序预测 | MATLAB实现LSTM长短期记忆神经网络时间序列预测 预测效果 程序设计 案例1 案例2 参考资料 时序预测 | MATLAB实现LSTM长短期记忆神经网络时间序列预测 预测效果 ...
- 时序预测 | MATLAB实现基于Adam算法优化BiLSTM双向长短期记忆神经网络时间序列预测
时序预测 | MATLAB实现基于Adam算法优化BiLSTM双向长短期记忆神经网络时间序列预测 目录 时序预测 | MATLAB实现基于Adam算法优化BiLSTM双向长短期记忆神经网络时间序列预测 ...
- 基于灰狼算法优化的Elman神经网络数据预测
基于灰狼算法优化的Elman神经网络数据预测 - 附代码 文章目录 基于灰狼算法优化的Elman神经网络数据预测 - 附代码 1.Elman 神经网络结构 2.Elman 神经用络学习过程 3.电力负 ...
- 回归预测 | MATLAB实现WOA-LSTM鲸鱼算法优化长短期记忆神经网络多输入单输出回归预测
回归预测 | MATLAB实现WOA-LSTM鲸鱼算法优化长短期记忆神经网络多输入单输出回归预测 目录 回归预测 | MATLAB实现WOA-LSTM鲸鱼算法优化长短期记忆神经网络多输入单输出回归预测 ...
- 基于粒子群算法优化的Elman神经网络数据预测-附代码
基于粒子群算法优化的Elman神经网络数据预测 - 附代码 文章目录 基于粒子群算法优化的Elman神经网络数据预测 - 附代码 1.Elman 神经网络结构 2.Elman 神经用络学习过程 3.电 ...
- 基于布谷鸟算法优化的Elman神经网络数据预测-附代码
基于布谷鸟算法优化的Elman神经网络数据预测 - 附代码 文章目录 基于布谷鸟算法优化的Elman神经网络数据预测 - 附代码 1.Elman 神经网络结构 2.Elman 神经用络学习过程 3.电 ...
- 基于鲸鱼算法优化的Elman神经网络数据预测-附代码
基于鲸鱼算法优化的Elman神经网络数据预测 - 附代码 文章目录 基于鲸鱼算法优化的Elman神经网络数据预测 - 附代码 1.Elman 神经网络结构 2.Elman 神经用络学习过程 3.电力负 ...
最新文章
- PHP并发IO编程之路
- 操作ex_【自学C#】|| 笔记 40 Command:操作数据库
- 上古卷轴5python_基于Python-Flask的权限管理5:字典管理
- 关于计算机专业的作文800字,我的电脑作文800字范文
- MySQL高级 - 案例 - 系统性能优化 - 索引优化
- SQL Server 不同数据库导入指定数据解决方案
- python的目的_Python-** wargs的目的和用途是什么?
- Android零碎要点---eclipse两个小技巧
- mysql sql 限制条数据类型_数据库的数据类型和约束条件
- 数字图像处理报告:实验4 图像复原
- xml解析工具 SAXReader 的使用
- 微信Android客户端后台保活经验分享
- ZDNS正式成为“.ren”顶级域名注册管理机构
- python三种运算符_Python 海象运算符 (:=) 的三种用法
- csv文件用excel打开不分列
- 高德地图SDK未设置隐私合规而导致地图不显示的问题
- 用c语言实现三子棋,它来了!!
- 从T型人才理解ALM Polarion
- ZigBee自组网地址分配与路由协议技术详解
- 数据分析师需要学习哪些技能?