回歸預測 | Matlab實現RIME-BP霜冰算法優化BP神經網絡多變量回歸預測

預測效果

基本描述

1.Matlab實現RIME-BP霜冰算法優化BP神經網絡多變量回歸預測（完整源碼和數據)
2.Matlab實現RIME-BP霜冰算法優化BP神經網絡多變量回歸預測；
3.數據集為excel，輸入7個特征，輸出1個變量，運行主程序main.m即可，其余為函數文件，無需運行；
4.優化參數為神經網絡的權值和偏置，命令窗口輸出RMSE、MAPE、MAE、R2等評價指標；運行環境Matlab2018b及以上.
5.代碼特點：參數化編程、參數可方便更改、代碼編程思路清晰、注釋明細。

程序設計

• 完整程序和數據獲取方式資源出下載 Matlab實現RIME-BP霜冰算法優化BP神經網絡多變量回歸預測。

%%  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); %% 把最優初始閥值權值賦予網絡預測
w1 = Best_pos(1 : inputnum * hiddennum);
B1 = Best_pos(inputnum * hiddennum + 1 : inputnum * hiddennum + hiddennum);
w2 = Best_pos(inputnum * hiddennum + hiddennum + 1 : inputnum * hiddennum + hiddennum + hiddennum*outputnum);
B2 = Best_pos(inputnum * hiddennum + hiddennum + hiddennum * outputnum + 1 : ...inputnum * hiddennum + hiddennum + hiddennum * outputnum + outputnum);

參考資料

[1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm=1001.2014.3001.5502
[2] https://blog.csdn.net/kjm13182345320/article/details/128690229