基于贝叶斯算法(bayes)优化卷积神经网络-长短期记忆网络(CNN-LSTM)时间序列预测，bayes-CNN-LSTM时间序列预测，单列数据集。优化参数为：学习率，隐含层节点，正则化参数。

 

%%  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
% restoredefaultpath
tic
%% 加载数据与数据集划分

%% 导入数据
f = xlsread('windspeed.xls','Sheet1','B2:B501');
[x,y]=data_process(f,12);   %步长为12

num=size(x,1);        %前70%训练，对最后30%进行预测
m=round(0.7*num);

P_train=x(1:m,:)';
T_train=y(1:m,:)';

P_test=x(m+1:end,:)';
T_test=y(m+1:end,:)';

f_ = size(P_train, 1);                  % 输入特征维度
%%  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);
%%  创建元胞或向量，长度为训练集大小；
XrTrain = cell(size(p_train,2),1);
YrTrain = zeros(size(t_train,2),1);
for i=1:size(p_train,2)
    XrTrain{i,1} = p_train(:,i);
    YrTrain(i,1) = t_train(:,i);
end
% 创建元胞或向量，长度为测试集大小；
XrTest = cell(size(p_test,2),1);
YrTest = zeros(size(t_test ,2),1);
for i=1:size(p_test,2)
    XrTest{i,1} = p_test(:,i);
    YrTest(i,1) = t_test (:,i);
end

智能算法及其模型预测