基于深度神经网络(DNN)的数据回归预测，深度全连接神经网络，多变量 输入模型，要求2018及以上版本。评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

 

clc;
clear all;
close all
tic
warning off

%%  导入数据
% 训练集——190个样本
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')';
f_ = size(P_test, 1);
N = size(P_test, 2);          % 测试集样本数
M = size(P_train, 2);         % 训练集样本数

%%  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);

%%  数据平铺
p_train =  double(reshape(p_train, f_, 1, 1, M));
p_test  =  double(reshape(p_test , f_, 1, 1, N));
t_train =  double(t_train)';
t_test  =  double(t_test )';

%%  构造网络结构
layers = [
 imageInputLayer([f_, 1, 1])     % 输入层 输入数据规模[f_, 1, 1]
 
 fullyConnectedLayer(6)          % 全连接层
 reluLayer                       % Relu激活层
 
 fullyConnectedLayer(4)          % 全连接层
 reluLayer                       % Relu激活层

 fullyConnectedLayer(4)          % 全连接层
 reluLayer                       % Relu激活层
 

智能算法及其模型预测