基于灰狼算法(GWO)优化径向基神经网络(GWO-RBF)的数据回归预测，多变量输入模型。matlab代码，优化参数为扩散速度，采用交叉验证。评价指标包括:R2、MAE、MSE、RMSE和MA

基于灰狼算法(GWO)优化径向基神经网络(GWO-RBF)的数据回归预测，多变量输入模型。matlab代码，优化参数为扩散速度，采用交叉验证。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。

关注：智能算法及其模型预测

226人浏览 · 2023-05-25 20:51:57

关注：智能算法及其模型预测 · 2023-05-25 20:51:57 发布

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')';

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);

%% 参数初始化
pop=10; %种群数量
Max_iter=20; % 设定最大迭代次数

智能算法及其模型预测