【LSTM-BP-SVR】基于长短期记忆神经网络LSTM联立BP神经网络联立支持向量机SVR回归预测，组合模型LSTM-BP-SVR回归预测，主要对权重优化，多输入单输出模型。1.主要用算法对权重

【LSTM-BP-SVR】基于长短期记忆神经网络LSTM联立BP神经网络联立支持向量机SVR回归预测，组合模型LSTM-BP-SVR回归预测，主要对权重优化，多输入单输出模型。

1.主要用算法对权重优化，多输入单输出模型。

2.对优化后的权重，分别组合叠加形成新的预测值，减少单漠型预测的误差。

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。

%% 组合

T_sim1=Best_pos(1)*T_sim11 + Best_pos(2)*T_sim21 + Best_pos(3)*T_sim31;

T_sim2=Best_pos(1)*T_sim12 + Best_pos(2)*T_sim22+ Best_pos(3)*T_sim32;

%% LSTM指标

disp('LSTM训练集误差指标')

[mae1,rmse1,mape1,r1,error1]=calc_error(T_sim11,T_train);

disp('LSTM测试集误差指标')

[mae2,rmse2,mape2,r2,error2]=calc_error(T_sim12,T_test);

%% BP指标

disp('BP训练集误差指标')

[mae3,rmse3,mape3,r3,error3]=calc_error(T_sim21,T_train);

disp('BP测试集误差指标')

[mae4,rmse4,mape4,r4,error4]=calc_error(T_sim22,T_test);

%% SVR指标

disp('SVR训练集误差指标')

[mae5,rmse5,mape5,r5,error5]=calc_error(T_sim31,T_train);

disp('SVR测试集误差指标')

[mae6,rmse6,mape6,r6,error6]=calc_error(T_sim32,T_test);

智能算法及其模型预测