【代码分享】基于改进莱维飞行和混沌映射粒子群优化算法(LPSO)-BP神经网络的时间序列预测模型

基于改进莱维飞行和混沌映射粒子群优化算法(LPSO)原理：

通过引入混沌映射机制，对其群体进行初始化，增加粒子群个体的多样性；然后在粒子群个体的位置更新公式上引入改进的莱维飞行机制，提高搜索精度，帮助粒子群个体跳出局部最优。

BP神经网络初始的权值阈值都是随机生成的，因此不一定是最佳的。采用智能算法优化BP神经网络的权值阈值，使得输入与输出有更加完美的映射关系，以此来提升BP神经网络模型的精度。采用LPSO算法对BP神经网络的权值阈值进行优化。

算例使用股票数据，包含特征：开盘价，盘中最高价，盘中最低价，收盘价等，即多输入

参考文献：《基于BLP-ALO-SVM的风电功率短期预测方法》《基于改进粒子群优化算法的特征选择方法研究》《融合莱维飞行与黄金正弦的粒子群优化算法》《基于莱维飞行的多目标粒子群优化算法研究及应用》《混沌映射的粒子群算法分析比较》《多策略融合的改进粒子群算法在电力系统无功优化中的应用》

代码获取方式：

 关注公X众X号：New Power System预测和优化理论

分享新型电力系统预测和优化领域的理论研究成果，包括优秀论文、工程应用、仿真代码等

电力系统预测和优化方向研究生必备matlab-yalmip代码！祝您快速入门，早日发paper！【不断更新】

链接：