鲸鱼算法(WOA)优化极限学习机ELM回归预测,WOA-ELM回归预测，多变量输入模型。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
addpath pathA
tic

%%  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')';

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);

%%  初始隐层神经元个数
hiddennum=40;
inputnum=size(p_train,1);       % 输入层神经元个数
outputnum=size(t_train,1);      % 输出层神经元个数
w1num=inputnum*hiddennum; % 输入层到隐层的权值个数
w2num=outputnum*hiddennum;% 隐层到输出层的权值个数
dim=w1num+hiddennum+w2num+outputnum; %待优化的变量的个数

%%  参数设置
T=200;  %%迭代次数
pop=30;  %%种群数量
ub=1;  %%上限
lb=0;  %%下限
fobj=@(X)Objfun(X,p_train,t_train,hiddennum,p_test,t_test); %适应度函数

智能算法及其模型预测