回归预测 | Matlab实现BES-ESN秃鹰搜索算法优化回声状态网络多输入单输出回归预测
目录
效果一览
基本介绍
1.Matlab实现BES-ESN秃鹰搜索算法优化回声状态网络多输入单输出回归预测（完整源码和数据)；
2.数据集为excel，多输入单输出数据集，运行主程序main.m即可，其余为函数文件，无需运行；
3.优化的参数为：三个参数，储备池规模，学习率，正则化系数。命令窗口输出RMSE、MAPE、MAE、R2等评价指标；
4.运行环境Matlab2018b及以上；
5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。
程序设计
- 完整程序和数据下载私信博主回复回归预测 | Matlab实现BES-ESN秃鹰搜索算法优化回声状态网络多输入单输出回归预测。
clike
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行
tic
%% 导入数据
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')';
%% 划分训练集和测试集
M = size(P_train, 2);
N = size(P_test, 2);
%% 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);
%% 参数设置
fun = @getObjValue; % 目标函数
dim = 3; % 优化参数个数
lb = [100, 0.001, 0.001]; % 优化参数目标下限（储备池规模，学习率，正则化系数）
ub = [800, 2.000, 0.100]; % 优化参数目标上限（储备池规模，学习率，正则化系数）
pop = 10; % 数量
Max_iteration = 20; % 最大迭代次数
Init = 30; % 初始化储备池(样本数)
%% 优化算法
[Best_pos, curve,Best_score] = BES(pop, Max_iteration, lb, ub, dim, fun);
%% 获取最优参数
hidden = round(Best_pos.pos(1)); % 储备池规模
lr = Best_pos.pos(2); % 学习率（更新速度）
reg = Best_pos.pos(3); % 正则化系数参考资料
1\] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm=1001.2014.3001.5502 \[2\] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm=1001.2014.3001.5502