【预测模型】基于粒子群算法优化线性回归预测黄金价格matlab代码

1 简介

2 部分代码

clear all;

clc;

format long;

%------给定初始化条件----------------------------------------------

c1=1.4962;             %学习因子1

c2=1.4962;             %学习因子2

w=0.7298;              %惯性权重

MaxDT=1000;            %最大迭代次数

D=3;                  %搜索空间维数（未知数个数）

N=40;                  %初始化群体个体数目

eps=10^(-6);           %设置精度(在已知最小值时候用)

data = load('goldprice.txt');

data = data/100;

%------初始化种群的个体(可以在这里限定位置和速度的范围)------------

%------最后给出计算结果

disp('*************************************************************')

disp('函数的全局最优位置为：')

Solution=pg'

predict = Solution(1) * data(1:end-2) + Solution(2) * data(2:end-1) + Solution(3);

yy = data(3:end);

xx = 1:length(yy);

figure(1);

plot(xx,predict,'r*-',xx,yy,'g.-');

xlabel('Time');

ylabel('Gold Price');

legend('The predict price','The true price');

error = predict - yy;

img =gcf;  %获取当前画图的句柄

print(img, '-dpng', '-r600', './运行结果.png')         %即可得到对应格式和期望dpi的图像

figure(2);

plot(xx,error);

xlabel('Time');

ylabel('Predicted error');

img =gcf;  %获取当前画图的句柄

print(img, '-dpng', '-r600', './运行结果.png')         %即可得到对应格式和期望dpi的图像

%------算法结束---DreamSun GL & HF-----------------------------------

3 仿真结果

4 参考文献

[1]赵桂兰, & 李强. (2014). 基于杂交粒子群算法的多元线性回归的双语嫩学态度预测模型. 自动化与仪器仪表.