多輸入多輸出 | Matlab實現RIME-BP霜冰算法優化BP神經網絡多輸入多輸出預測

預測效果

基本介紹

多輸入多輸出 | Matlab實現RIME-BP霜冰算法優化BP神經網絡多輸入多輸出預測
1.data為數據集，10個輸入特征，3個輸出變量。
2.main.m為主程序文件。
3.命令窗口輸出MBE、MAE和R2，可在下載區獲取數據和程序內容。

程序設計

• 完整程序和數據下載方式私信博主回復Matlab實現RIME-BP霜冰算法優化BP神經網絡多輸入多輸出預測。

M = size(P_train, 2);P_test = res(temp(501: end), 1 : 10)';
T_test = res(temp(501: end), 11: 13)';
N = size(P_test, 2);
%%  數據歸一化
[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);%% 節點個數
inputnum  = size(p_train, 1); % 輸入層節點數
hiddennum = 15;                % 隱藏層節點數
outputnum = size(t_train, 1); % 輸出層節點數%% 構建網絡
net = newff(p_train, t_train, hiddennum);%% 設置訓練參數
net.trainParam.epochs     = 50;      % 訓練次數
net.trainParam.goal       = 1e-4;     % 目標誤差
net.trainParam.lr         = 0.01;     % 學習率
net.trainParam.showWindow = 0;        % 關閉窗口%%  參數設置
fun = @getObjValue;                                 % 目標函數
dim = inputnum * hiddennum + hiddennum * outputnum + ...hiddennum + outputnum;                          % 優化參數個數
lb  = -1 * ones(1, dim);                            % 優化參數目標下限
ub  =  1 * ones(1, dim);                            % 優化參數目標上限
pop = 20;                                            % 數量
Max_iteration = 20;                                 % 最大迭代次數   %% 優化算法
[Best_score,Best_pos,curve] = RIME(pop, Max_iteration, lb, ub, dim, fun); 

往期精彩

MATLAB實現RBF徑向基神經網絡多輸入多輸出預測
MATLAB實現BP神經網絡多輸入多輸出預測
MATLAB實現DNN神經網絡多輸入多輸出預測

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/116377961
[2] https://blog.csdn.net/kjm13182345320/article/details/127931217
[3] https://blog.csdn.net/kjm13182345320/article/details/127894261