基于阿基米德算法优化变分模态分解的门控循环单元AOA-VMD-GRU分类预测，AOA-VMD-GRU分类预测。多特征输入单输出的二分类及多分类模型。程序内注释详细，直接替换数据就可以用。程序语

 

%%  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

%% 单独的GRU
load 生成数据/x_data
load 生成数据/vmd_data

data = x;

%输入输出数据
input=data(:,1:end-1);    %data的第一列-倒数第二列为特征指标
output=data(:,end);  %data的最后面一列为标签类型

N=length(output);   %全部样本数目
testNum=0.3*N;   %设定测试样本数目
trainNum=N-testNum;    %计算训练样本数目

% 划分训练集、测试集
%随机抽取
id=randperm(N);   
input=input(id,:);  
output=output(id,:);
%训练集、测试集
P_train = input(1:trainNum,:)';
T_train =output(1:trainNum)';
P_test =input(trainNum+1:trainNum+testNum,:)';
T_test =output(trainNum+1:trainNum+testNum)';
num_class = length(unique(data(:, end)));  % 类别数（Excel最后一列放类别） 

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

t_train =  categorical(T_train)';
t_test  =  categorical(T_test )';

%  格式转换
for i = 1 : trainNum
    pp_train{i, 1} = p_train(:, i);
end

for i = 1 : testNum
    pp_test{i, 1} = p_test(:, i);
end

%  创建网络
numFeatures = size(P_train, 1);               % 特征维度
numResponses = num_class;

layers = [ ...

智能算法及其模型预测