回归预测 | Matlab实现BES-ESN秃鹰搜索算法优化回声状态网络多输入单输出回归预测

回归预测 | Matlab实现BES-ESN秃鹰搜索算法优化回声状态网络多输入单输出回归预测

效果一览

基本介绍

1.Matlab实现BES-ESN秃鹰搜索算法优化回声状态网络多输入单输出回归预测（完整源码和数据)；

2.数据集为excel，多输入单输出数据集，运行主程序main.m即可，其余为函数文件，无需运行；

3.优化的参数为：三个参数，储备池规模，学习率，正则化系数。命令窗口输出RMSE、MAPE、MAE、R2等评价指标；

4.运行环境Matlab2018b及以上；

5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

程序设计

• 完整程序和数据下载私信博主回复回归预测 | Matlab实现BES-ESN秃鹰搜索算法优化回声状态网络多输入单输出回归预测。

%%  清空环境变量
warning off             % 关闭报警信息
close all               % 关闭开启的图窗
clear                   % 清空变量
clc                     % 清空命令行
tic
%%  导入数据
P_train = xlsread('data','training set','B2：G191')';
T_train= xlsread('data','training set','H2：H191')';
% 测试集——44个样本
P_test=xlsread('data','test set','B2:G45')';
T_test=xlsread('data','test set','H2:H45')';
%%  划分训练集和测试集
M = size(P_train, 2);
N = size(P_test, 2);

%%  数据归一化
[p_train, ps_input] = mapminmax(P_train, 0, 1);
p_test = mapminmax('apply', P_test, ps_input);

[t_train, ps_output] = mapminmax(T_train, 0, 1);
t_test = mapminmax('apply', T_test, ps_output);

%%  参数设置
fun = @getObjValue;                 % 目标函数
dim = 3;                            % 优化参数个数
lb  = [100, 0.001, 0.001];          % 优化参数目标下限（储备池规模，学习率，正则化系数）
ub  = [800, 2.000, 0.100];          % 优化参数目标上限（储备池规模，学习率，正则化系数）
pop = 10;                           % 数量
Max_iteration = 20;                 % 最大迭代次数
Init = 30;                          % 初始化储备池(样本数)

%%  优化算法
[Best_pos, curve,Best_score] = BES(pop, Max_iteration, lb, ub, dim, fun);

%%  获取最优参数
hidden = round(Best_pos.pos(1));             % 储备池规模
lr     = Best_pos.pos(2);             % 学习率（更新速度）
reg    = Best_pos.pos(3);             % 正则化系数

参考资料

[1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502