IWOA-LSTM/LSTM时间序列预测对比，基于改进鲸鱼算法优化长短期记忆网络(IWOA-LSTM)的时间序列预测。优化参数为迭代次数，隐藏层节点个数，学习率参数，正则化参数，要求2018及以上

 

%% 清空变量
clc;
clear;
close all;
format compact ;
warning off

%% 读取数据
%%  导入数据
data = xlsread('数据集')';

[x,y]=data_process(data,6);
%归一化
method=@mapminmax;%归一化
% method=@mapstd;%标准化
[xs,mappingx]=method(x');x=xs';
[ys,mappingy]=method(y');y=ys';
%划分数据
n=size(x,1);
m=round(n*0.7);%前70%训练，对最后30%进行预测
XTrain=x(1:m,:)';%% 取转置，因为elm是一列为一个样本
XTest=x(m+1:end,:)';
YTrain=y(1:m,:)';
YTest=y(m+1:end,:)';
fobj=@(x)fitness(x,XTrain,YTrain,XTest,YTest);
[x ,fit_gen,process]=forlstm(fobj);%分别对隐含层节点 训练次数与学习率寻优

智能算法及其模型预测